计算机应用

作者：王忠震, 黄勃, 方志军, 高永彬, 张娟

单位：1. 上海工程技术大学 电子电气工程学院, 上海 201620;2. 江西省经济犯罪侦查与防控技术协同创新中心, 南昌 330103

关键词：不平衡数据分类,合成少数类过采样技术,K近邻,过采样,聚类,AdaBoost算法

基金：国家自然科学基金资助项目（61603242）；江西省经济犯罪侦查与防控技术协同创新中心开放基金资助课题（JXJZXTCX-030）。

针对不平衡数据集的低分类准确性，提出基于改进合成少数类过采样技术（SMOTE）和AdaBoost算法相结合的不平衡数据分类算法（KSMOTE-AdaBoost）。首先，根据K近邻（KNN）的思想，提出噪声样本识别算法，通过样本的K个近邻中所包含的异类样本数目，对样本集中的噪声样本进行精确识别并予以滤除；其次，在过采样过程中基于聚类的思想将样本集划分为不同的子簇，根据子簇的簇心及其所包含的样本数目，在簇内样本与簇心之间进行新样本的合成操作。在样本合成过程中充分考虑类间和类内数据不平衡性，对样本及时修正以保证合成样本质量，平衡样本信息；最后，利用AdaBoost算法的优势，采用决策树作为基分类器，对平衡后的样本集进行训练，迭代多次直到满足终止条件，得到最终分类模型。选择G-mean、AUC作为评价指标，通过在6组KEEL数据集进行对比实验。实验结果表明，所提的过采样算法与经典的过采样算法SMOTE、自适应综合过采样技术（ADASYN）相比，G-means和AUC在4组中有3组最高；所提分类模型与现有的不平衡分类模型SMOTE-Boost，CUS-Boost，RUS-Boost相比，6组数据中：G-means均高于CUS-Boost和RUS-Boost，有3组低于SMOTE-Boost；AUC均高于SMOTE-Boost和RUS-Boost，有1组低于CUS-Boost。验证了所提的KSMOTE-AdaBoost具有更好的分类效果，且模型泛化性能更高。

来源：2019年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第9期