SMOTE过采样及其改进算法研究综述
近年来不平衡分类问题受到广泛关注.SMOTE过采样通过添加生成的少数类样本改变不平衡数据集的数据分布,是改善不平衡数据分类模型性能的流行方法之一.本文首先阐述了SMOTE的原理、算法以及存在的问题,针对SMOTE存在的问题,分别介绍了其4种扩展方法和3种应用的相关研究,最后分析了SMOTE应用于大数据、流数据、少量标签数据以及其他类型数据的现有研究和面临的问题,旨在为SMOTE的研究和应用提供有价值的借鉴和参考.
不平衡数据分类、SMOTE、算法、k-NN、过采样、欠采样、高维数据、分类型数据
14
TP391(计算技术、计算机技术)
国家自然科学基金资助项目;山西省自然科学基金项目
2020-03-10(万方平台首次上网日期,不代表论文的发表时间)
共11页
1073-1083