文献类型：期刊文章

作　　者：张成刚[1,2] 宋佳智[3] 姜静清[2,4] 裴志利[2]

机构地区：[1]内蒙古民族大学数学学院,内蒙古通辽028000 [2]内蒙古民族大学计算机科学与技术学院,内蒙古通辽028000 [3]东北师范大学计算机科学与信息技术学院,长春130000 [4]吉林大学符号计算与知识工程教育部重点实验室,长春130012

出　　处：《计算机应用研究》

基　　金：国家自然科学基金资助项目(61672301;61662057);内蒙古自然科学基金资助项目(2016MS0336);内蒙古民族大学科学研究资助项目(NMDYB1731);内蒙古自治区"草原英才工程"基金资助项目(2013);内蒙古自治区"青年科技领军人才"基金资助项目(NJYT-14-A09);内蒙古自治区"321人才工程"二层次人选基金资助项目(2010)

年　　份：2017

卷　　号：34

期　　号：5

起止页码：1329-1332

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：针对少数类样本合成过采样技术(synthetic minority over-sampling technique,SMOTE)在合成少数类新样本时会带来噪声问题,提出了一种改进降噪自编码神经网络不平衡数据分类算法(SMOTE-SDAE)。该算法通过SMOTE方法合成少数类新样本以均衡原始数据集,考虑到合成样本过程中会产生噪声的影响,利用降噪自编码神经网络算法的逐层无监督降噪学习和有监督微调过程,有效实现对过采样数据集的降噪处理与数据分类。在UCI不平衡数据集上实验结果表明,相比传统SVM算法,该算法显著提高了不平衡数据集中少数类的分类精度。

关 键 词：神经网络 过采样 不平衡数据 分类  

分 类 号：TP183] TP301.6]