山东大学学报(理学版)

作者：方宇,郑胡宇,曹雪梅

单位：西南石油大学计算机科学学院, 四川 成都 610500

关键词：不平衡数据,三支决策,支持向量数据描述,合成少数过采样技术,分类,

基金：国家自然科学基金资助项目(62006200);中央引导地方科技发展专项项目(2021ZYD0003);2021年第二批产学合作协同育人项目;西南石油大学2021年一流本科课程培育建设项目(X2021YLKC035);西南石油大学研究生全英文课程建设项目(2020QY04)

结合三支决策和合成少数过采样技术(synthetic minority over-sampling technique, SMOTE), 提出了一种新的采样方法—三支过采样(three-way over-sampling, 3WOS)。3WOS通过对所有样本构建三支决策模型, 选取该模型边界域中的样本作为关键样本进行SMOTE过采样, 从而有效缓解样本聚集和分离问题, 在一定程度上提高了分类器性能。该方法首先在少数类样本上应用三支决策和支持向量数据描述, 将所有样本数据进行三分; 其次, 找出所有关键样本的k个最近邻少数类样本, 并使用线性插值方式对每个关键样本合成新样本, 然后形成新的少数类样本; 最后, 将更新后的样本集用于训练分类器。实验结果表明, 3WOS方法比其他方法在基分类器上有较好的分类准确度、F-measure、G-mean和较少的代价值。

来源：2023年第12期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2023年第12期