Borderline-mixup不平衡数据集分类方法

摘要：

不平衡数据集问题从20年前就已经引起人们的重视,提出的相关解决方法层出不穷.Mixup是这几年比较流行的数据合成方法,其相关变体比比皆是,但是针对不平衡数据集提出的Mixup变体寥寥无几.本文针对不平衡数据集分类问题,提出了 Mixup的变体——Borderline-mixup,其使用支持向量机选择边界样本,增加边界样本在采样器中被采样的概率,构建两个边界采样器,替代了原有的随机采样器.在14个UCI数据集以及CIFAR10长尾数据集上的实验结果表明,Borderline-mixup相比于Mixup在UCI数据集中都有提升,最高能达到49.3％的提升,在CIFAR10长尾数据集中,也能达到3％-3.6％左右的提升.显然,我们提出的Mixup变体在不平衡数据集分类中是有效的.

关键词：Mixup、支持向量机、不平衡数据集、边界样本、分类

所属期刊栏目：32

分类号：TP311.13;TP181;G250

资助基金：国家自然科学基金;国家自然科学基金;福建省自然科学基金项目

在线出版日期：2023-11-15（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：73-82