所属单位：

信息与控制工程学院

发表刊物：

计算机工程与应用（CSCD核心版）

关键字：

中文关键字：非平衡数据集；分类；支持度；轮盘赌选择；SMOTE，英文关键字：imbalanced datasets; classification; support; roul

摘要：

针对SMOTE（Synthetic Minority Over-sampling Technique）在合成少数类新样本时存在的不足，提出 了一种改进的SMOTE算法（简称：SSMOTE）。该算法的关键是将支持度概念和轮盘赌选择技术引入到SMOTE 中，并充分利用了异类近邻的分布信息，实现了对少数类样本合成质量和数量的精细控制。本文将SSMOTE 与KNN（K-Nearest Neighbor）算法结合来处理不平衡数据集的分类问题。通过在UCI数据集上与其他重要文 献中的相关算法进行的大量对比实验表明，SSMOTE在新样本的整体合成效果上表现出色，有效提高了KNN 在非平衡数据集上的分类性能。

备注：

王超学

合写作者：

潘正茂,马春森

第一作者：

张星,董丽丽,王超学

论文类型：

期刊论文

卷号：

卷：48

期号：

期：35

页面范围：

页：

是否译文：

否

发表时间：

2012-12-01