计算机科学与探索

作者：谢子鹏, 包崇明, 周丽华, 王崇云, 孔兵

单位：1. 云南大学 信息学院，昆明 6505042. 云南大学 软件学院，昆明 6505043. 云南大学 生态学与环境学院，昆明 650504

关键词：分类任务,不平衡数据集,类不平衡,过采样,聚类

针对分类任务中的不平衡数据集造成的分类性能低下的问题，提出了类不平衡数据的EM聚类过采样算法，通过过采样提高少数类样本数量，从根本上解决数据不平衡问题。首先，算法采用聚类技术，通过欧式距离衡量样本间的相似度，选取每个聚类簇的中心点作为过采样点，一定程度解决了样本的重要程度不够的问题；其次，通过直接在少数类样本空间上进行采样，可较好解决SMOTE、Cluster-SMOTE等方法对聚类空间没有针对性的问题；同时，通过对少数类样本数量的30%进行过采样，有效解决基于Cluster聚类的欠采样盲目追求两类样本数量平衡和SMOTE等算法没有明确采样率的问题。在公开的24个类不平衡数据集上进行了实验，验证了方法的有效性。

来源：2023年第1期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第1期