典型文献
一种新的基于聚类的试探性SMOTE算法
文献摘要：
针对传统过采样算法中常常出现的生成噪声点、数据分布边缘化、未增强足够特征的问题,提出了一种新算法:试探性少数类过采样技术(tentative synthetic minority over-sampling technique,TSMOTE).该算法先将少数类样本进行K-means聚类,然后创建正类安全水平等指标,运用试探性的思想,放出试探点求出每个少数类样本对应的警戒点,获取最适合新样本生成的空间区域,最后在簇心和警戒点之间进行合成少数类过采样技术(synthetic minority over-sam-pling technique,SMOTE),确保新样本的生成质量.在12个公开数据集上的大量实验表明:TSMOTE算法可以有效提高分类器对少数类样本和整体数据集的分类性能.
文献关键词：
不平衡数据;试探性;K-means;SMOTE;安全水平
中图分类号：
作者姓名：
王曜;郑列
作者机构：
湖北工业大学理学院,武汉 430068
文献出处：
引用格式：
[1]王曜;郑列-.一种新的基于聚类的试探性SMOTE算法)[J].重庆理工大学学报,2022(04):187-195
A类：
TSMOTE
B类：
试探性,采样算法,噪声点,数据分布,边缘化,新算法,tentative,synthetic,minority,over,sampling,technique,means,安全水平,放出,警戒,样本生成,空间区域,合成少数类过采样技术,公开数据集,分类器,分类性能,不平衡数据
AB值：
0.324011
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
