计算机应用研究

作者：陶佳晴,贺作伟,冷强奎,翟军昌,孟祥福,

单位：1.渤海大学信息科学与技术学院,辽宁锦州121013；2.辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛125105；

关键词：不平衡数据分类,合成过采样,边界样本,K近邻,Tomek链,

基金：国家自然科学基金资助项目(61602056,61772249)；辽宁省自然科学基金资助项目(2019-ZD-0493)；辽宁省教育厅科研项目(LQ2019012)；；

在类别不平衡数据集中，由于靠近类边界的样本更容易被错分，因此准确识别边界样本对分类具有重要意义。现有方法通常采用K近邻来标识边界样本，准确率有待提高。针对上述问题，提出一种基于Tomek 链的边界少数类样本合成过采样方法。首先，计算得到类间距离互为最近的样本形成Tomek链；然后，根据Tomek链标识出位于类间边界处的少数类样本；接下来，利用合成少数类过采样技术（SMOTE）中的线性插值机制在边界样本及其少数类近邻间进行过采样，并最终实现数据集的平衡。实验对比了八种采样方法，结果表明所提方法在大部分数据集上均获得了更高的G-mean和F1值。

来源：2023年第2期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第2期