一种距离边界合成少数类过采样技术OACHSSCD
A Distance Borderline Synthetic Minority Over-sampling Technique
在不平衡数据集的分类问题中,由于某一类或某几类样本数量相对较少,标准的分类器会倾向于数量多的类别,导致少数类样本在分类过程中容易被误分.合成少数类过采样技术(SMOTE)是一种常用的过采样数据预处理方法.通过合成少数类样本来平衡数据集各类样本的分布,能够有效地改善数据集的不平衡分布,从而提高不平衡数据集的分类精度.但SMOTE采样方法将所有的少数类样本都用来合成新样本,存在一定的盲目性.在分类中,处于边界的样本对分类决策往往有着更重要的作用,需要…查看全部>>
尚旭;谢林森
浙江师范大学数理与信息工程学院,浙江金华321004丽水学院工学院,浙江丽水323000
信息技术与安全科学
不平衡数据集过采样边界样本SMOTE
《丽水学院学报》 2017 (2)
神经网络的代数构造特征和可算性
1-7,7
国家自然科学基金资助项目"神经网络的代数构造特征和可算性"(11171137)浙江省自然科学基金资助项目"矩阵平方根理论中一些问题的研究"(LY13A010008)
评论