文献类型：期刊文章

作　　者：霍玉丹[1,2] 谷琼[1,3] 蔡之华[2] 袁磊[1]

机构地区：[1]湖北文理学院数学与计算机科学学院,湖北襄阳441053 [2]中国地质大学计算机学院,武汉430074 [3]西南大学逻辑与智能研究中心,重庆400715

出　　处：《计算机应用》

基　　金：国家自然科学基金资助项目(61075063);湖北省自然科学基金资助项目(2013CFA004);中国博士后科学基金面上资助项目(2014M560700);重庆博士后特别资助项目(XM2014057)

年　　份：2015

卷　　号：35

期　　号：1

起止页码：121-124

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对少数类样本合成过采样技术(SMOTE)在处理非平衡数据集分类问题时,为少数类的不同样本设置相同的采样倍率,存在一定的盲目性的问题,提出了一种基于遗传算法(GA)改进的SMOTE方法——GASMOTE。首先,为少数类的不同样本设置不同的采样倍率,并将这些采样倍率取值的组合编码为种群中的个体;然后,循环使用GA的选择、交叉、变异等算子对种群进行优化,在达到停机条件时获得采样倍率取值的最优组合;最后,根据找到的最优组合对非平衡数据集进行SMOTE采样。在10个典型的非平衡数据集上进行的实验结果表明:与SMOTE算法相比,GASMOTE在F-measure值上提高了5.9个百分点,在G-mean值上提高了1.6个百分点;与Borderline-SMOTE算法相比,GASMOTE在F-measure值上提高了3.7个百分点,在G-mean值上提高了2.3个百分点。该方法可作为一种新的解决非平衡数据集分类问题的过采样技术。

关 键 词：非平衡数据集 分类  少数类样本合成过采样技术  采样倍率  遗传算法

分 类 号：TP311.13] TP18[计算机类]