典型文献
面向不均衡数据的多分类集成算法
文献摘要：
为解决不均衡多分类问题,提出了一种基于采样和特征选择的不均衡数据集成分类算法(IDESF).基分类器的多样性会影响集成算法的分类性能,所以IDESF算法对数据集进行有放回采样+SMOTE的两阶段采样.两阶段采样在保证所得数据集中样本合理性的基础上,增加数据集间的差异性以此隐式地提高基分类器的多样性.两阶段采样同样可以平衡数据分布,防止分类器偏向多数类.在两阶段采样的基础上,IDESF算法引入了数据清洗和特征选择方法,试图进一步提高算法的分类性能.与其他不均衡分类算法在5组不均衡数据集上进行了对比实验,结果表明该算法可以获得较高的AUCarea和G-Mean值,具有较为优异的分类效果.
文献关键词：
不均衡数据集;过采样;数据清洗;特征选择;集成算法;多分类
中图分类号：
作者姓名：
崔鑫;徐华;朱亮
作者机构：
江南大学 人工智能与计算机学院,江苏 无锡 214122
文献出处：
引用格式：
[1]崔鑫;徐华;朱亮-.面向不均衡数据的多分类集成算法)[J].计算机工程与应用,2022(02):176-183
A类：
IDESF,+SMOTE,AUCarea
B类：
分类集,集成算法,决不,多分类问题,特征选择,不均衡数据集,数据集成,集成分类,分类算法,基分类器,分类性能,放回,回采,两阶段,得数,增加数,隐式,数据分布,数据清洗,选择方法,不均衡分类,Mean,分类效果,过采样
AB值：
0.288436
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。
