文献类型：期刊文章

作　　者：石洪波[1] 陈雨文[1] 陈鑫[1]

SHI Hongbo;CHEN Yuwen;CHEN Xin(School of Information,Shanxi University of Finance and Economics,Taiyuan,Shanxi,030031)

机构地区：[1]山西财经大学信息学院

出　　处：《智能系统学报》

基　　金：国家自然科学基金资助项目(61801279);山西省自然科学基金项目(201801D121115,2014011022-2)

年　　份：2019

卷　　号：14

期　　号：6

起止页码：1073-1083

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：近年来不平衡分类问题受到广泛关注。SMOTE过采样通过添加生成的少数类样本改变不平衡数据集的数据分布,是改善不平衡数据分类模型性能的流行方法之一。本文首先阐述了SMOTE的原理、算法以及存在的问题,针对SMOTE存在的问题,分别介绍了其4种扩展方法和3种应用的相关研究,最后分析了SMOTE应用于大数据、流数据、少量标签数据以及其他类型数据的现有研究和面临的问题,旨在为SMOTE的研究和应用提供有价值的借鉴和参考。

关 键 词：不平衡数据分类 SMOTE 算法  K-NN 过采样 欠采样 高维数据  分类型数据

分 类 号：TP391]