基于稀疏表示的不平衡数据集过采样算法OA北大核心CSTPCD
SPARSE REPRESENTATION-BASED OVER-SAMPLING ALGORITHM OF IMBALANCED DATASET
大多数不平衡数据集过采样方法依赖于欧几里得特征空间中少数类样本的空间位置,使用少数类样本的局部信息生成新样本来减轻类不平衡问题,因此新生成的少数类样本质量较差.针对这种情况,提出一种K稀疏解过采样算法(K Sparse Over-Sampling,KSOS),其使用少数类样本的全局信息进行样本合成.使用少数类样本来构造稀疏字典,通过求解L1范数最小化来获得当前点的稀疏解;使用稀疏解中的非零项所对应的项来生成新的样本;计算每一个新生成样本的置信度,…查看全部>>
訾壮壮;何涛;赵停
南京邮电大学电子与光学工程学院 江苏 南京210023南京邮电大学工程训练中心 江苏 南京210023南京邮电大学电子与光学工程学院 江苏 南京210023
信息技术与安全科学
不平衡数据集过采样K稀疏过采样
《计算机应用与软件》 2020 (10)
290-294,306,6
评论