类不平衡数据的EM聚类过采样算法

摘要：

针对分类任务中的不平衡数据集造成的分类性能低下的问题,提出了类不平衡数据的EM聚类过采样算法,通过过采样提高少数类样本数量,从根本上解决数据不平衡问题.首先,算法采用聚类技术,通过欧式距离衡量样本间的相似度,选取每个聚类簇的中心点作为过采样点,一定程度解决了样本的重要程度不够的问题;其次,通过直接在少数类样本空间上进行采样,可较好解决SMOTE、Cluster-SMOTE等方法对聚类空间没有针对性的问题;同时,通过对少数类样本数量的30％进行过采样,有效解决基于Cluster聚类的欠采样盲目追求两类样本数量平衡和SMOTE等算法没有明确采样率的问题.在公开的24个类不平衡数据集上进行了实验,验证了方法的有效性.

关键词：分类任务、不平衡数据集、类不平衡、过采样、聚类

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;云南省教育厅科学研究基金项目

在线出版日期：2023-01-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：228-237