文献类型：期刊文章

作　　者：刘余霞[1] 刘三民[2,3] 刘涛[2] 王忠群[4]

机构地区：[1]安徽工程大学建筑工程学院,安徽芜湖241000 [2]安徽工程大学计算机与信息学院,安徽芜湖241000 [3]南京航空航天大学计算机科学与技术学院,南京210016 [4]安徽工程大学管理工程学院,安徽芜湖241000

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61300170;No.71371012);教育部人文社科基金(No.13YJA630098);安徽省自然科学基金重点资助项目(No.KJ2013A040);高校省级优秀青年人才基金重点项目(No.2013SQRL034ZD);校青年基金(No.2013YQ31;No.2012YQ32)

年　　份：2014

卷　　号：50

期　　号：6

起止页码：92-95

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：针对非平衡数据集中类分布信息不对称现象,提出一种新的过采样算法DB_SMOTE(Distance-based Synthetic Minority Over-sampling Technique),通过合成少数类新样本解决样本不足问题。算法基于样本与类中心距离,结合类聚集程度提取种子样本。根据SMOTE(Synthetic Minority Over-sampling Technique)算法思想,在种子样本上实现少数类新样本合成。根据种子样本与少数类中心距离构造新样本分布函数。基于此采样算法并在多个数据集上进行分类实验,结果表明DB SMOTE算法是可行的。

关 键 词：非平衡数据学习  过采样 数据分类

分 类 号：TP391]