改进边界分类的Borderline-SMOTE过采样方法OACSCDCSTPCD
Improved Borderline-SMOTE oversampling method for boundary classification
针对不平衡数据中类重叠区域易造成分类错误的问题,提出一种引入合成因子改进边界分类的Borderline-SMOTE过采样方法(IBSM).首先根据少数类样本近邻分布情况找出处于边界的少数类样本,然后计算边界样本对应的合成因子,并根据其取值更新该样本需生成的样本数,最后在近邻中根据合成因子挑选距离最近的top-Z少数类样本进行新样本生成.将提出的方法与八种采样方法在KNN和SVM两种分类器、10个KEEL不平衡数据集上进行对比实验,结果表明,提出的…查看全部>>
An improved Borderline-SMOTE method(IBSM)is developed to solve the problem of class overlapping region in imbalanced data,using synthesis factor to augment the boundary classification.Firstly,the minority samples that are at the boundary are identified according to the distribution of the samples'nearest neighbors.Then,the synthesis factor corresponding to the boundary samples is calculated,and the number of samples to be generated is updated according to it…查看全部>>
马贺;宋媚;祝义
江苏师范大学计算机科学与技术学院,徐州,221116江苏师范大学计算机科学与技术学院,徐州,221116||江苏师范大学管理科学与工程研究中心,徐州,221116江苏师范大学计算机科学与技术学院,徐州,221116
计算机与自动化
不平衡数据边界样本类重叠Borderline-SMOTE过采样
imbalance databoundary sampleclass overlapBorderline-SMOTEoversampling
《南京大学学报（自然科学版）》 2023 (6)
面向机器人编程教育的适应性学习特征建模与应用研究
1003-1012,10
国家自然科学基金(71503108,62077029),CCF-华为创新研究计划(CCF-HuaweiFM202209),江苏师范大学科研与实践创新项目(2022XKT1540)
评论