考虑类内不平衡的谱聚类过抽样方法

摘要：

不平衡数据分类问题是数据挖掘领域的关键挑战之一。过抽样方法是解决不平衡分类问题的一种有效手段。传统过抽样方法没有考虑类内不平衡，为此提出基于改进谱聚类的过抽样方法。该方法首先自动确定聚类簇数，并对少数类样本进行谱聚类，再根据各类内包含样本数与总少数类样本数之比，确定在类内合成的样本数量，最后通过在类内进行过抽样，获得平衡的新数据集。在4个实际数据集上验证了算法的有效性。并在二维合成数据集上对比k均值聚类和改进谱聚类的结果，解释基于两种不同聚类的过抽样算法性能差异的原因。

关键词：谱聚类、不平衡数据集、过抽样

分类号：TP391(计算技术、计算机技术)

资助基金：国家十二五科技支撑计划No.2012BAF06B03；国家自然基金No.51175340。

在线出版日期：2014-06-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：120-125,138