基于AdaBoost的类不平衡学习算法OA北大核心CSCDCSTPCD
AdaBoost-based class imbalance learning algorithm
处理类不平衡数据时,少数类的边界实例非常容易被错分.为了降低类不平衡对分类器性能的影响,提出了自适应边界采样算法(AB-SMOTE).AB-SMOTE算法对少数类的边界样本进行自适应采样,提高了数据集的平衡度和有效性;同时将AB-SMOTE算法与数据清理技术融合,形成基于AdaBoost的集成算法ABTAda-Boost.ABTAdaBoost算法主要包括三个阶段:对训练数据集采用AB-SMOTE算法,降低数据集的类不平衡度;使用Tomek li…查看全部>>
When dealing with unbalanced data sets,the borderline examples of the minority class are more easily misclassifled.To reduce the impact of class imbalanced about the performance of classifier,this paper presented an adaptive borderlineSMOTE (AB-SMOTE) algorithm.AB-SMOTE algorithm sampled the boundary samples of the minority adaptively,which improved the degree of balance and efficiency of the data sets.At the same time,the AB-SMOTE algorithm was combined wit…查看全部>>
秦孟梅;邱建林;陆鹏程;陈璐璐;赵伟康
南通大学电子信息学院,江苏南通226019南通大学计算机科学与技术学院,江苏南通226019南通理工学院计算机与信息工程学院,江苏南通226002南通大学电子信息学院,江苏南通226019南通大学电子信息学院,江苏南通226019
信息技术与安全科学
机器学习类不平衡学习集成学习SMOTE数据清理技术
machine learningclass imbalance learningensemble learningSMOTEdata cleaning techniques
《计算机应用研究》 2017 (11)
3229-3232,3254,5
国家自然科学基金资助项目(NSF61202006/61272424)计算机软件新技术国家重点实验室开放课题(KFKT2012B29)江苏省自然科学基金资助项目(BK2010277)江苏省科技创新基金资助项目(BC2013167)
评论