BOS:一种用于不平衡数据学习的边界过采样方法

摘要：

不平衡数据遍布于现实生活中许多重要领域,而标准的分类学习算法应对不平衡问题有明显的性能缺陷.为了解决这一问题,提出一种新的少数类边界合成过采样方法BOS.BOS使用新定义的K广义Tomek连接(简称K连接)概念有效定位边界实例,进而基于少数类的K连接分布实现自适应地少数边界合成过采样.实验结果表明,BOS相比已有的几种典型过采样方法提供更优的接受者操作特性曲线下方面积值(AUC),F值(F-Measure)和几何平均值(G-mean).

关键词：不平衡问题、K广义的Tomek连接、少数类边界合成过采样

所属期刊栏目：49

分类号：TP181(自动化基础理论)

资助基金：食品中抗生素类药物残留评估的化学与生物信息学方法探索21175095;基于抗癌药物及其靶标蛋白相互作用的层次网络研究20972103

在线出版日期：2012-09-21（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：553-559