基于Tomek链的边界少数类样本合成过采样方法

摘要：

在类别不平衡数据集中,由于靠近类边界的样本更容易被错分,因此准确识别边界样本对分类具有重要意义.现有方法通常采用K近邻来标识边界样本,准确率有待提高.针对上述问题,提出一种基于Tomek链的边界少数类样本合成过采样方法.首先,计算得到类间距离互为最近的样本形成Tomek链;然后,根据Tomek链标识出位于类间边界处的少数类样本;接下来,利用合成少数类过采样技术(SMOTE)中的线性插值机制在边界样本及其少数类近邻间进行过采样,并最终实现数据集的平衡.实验对比了八种采样方法,结果表明所提方法在大部分数据集上均获得了更高的G-mean和F1值.

关键词：不平衡数据分类、合成过采样、边界样本、K近邻、Tomek链

所属期刊栏目：40

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;辽宁省自然科学基金资助项目;辽宁省教育厅科学研究项目

在线出版日期：2023-03-07（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：463-469