基于边界增强和去噪的自适应双权重过采样方法研究

摘要

类别不平衡是现实世界普遍存在的问题,其严重影响着各种预测模型的预测效果,使得这些模型仅能准确识别出多类样本,却不易识别出少类样本。本文提出一种基于边界增强和去噪的自适应双权重过采样(Adaptive Double-Weight Enhanced Boundary and Denoising Oversampling,ADWEBDO)方法,以处理不平衡问题。ADWEBDO的主要思想是:引入K近邻(K Nearest Neighbor,KNN)去噪技术,降低噪声样本合成的可能性;提出一种基于类间距离和少类簇大小的双重权重样本分配方法,有效避免了类重叠现象的产生;采用模糊C均值(Fuzzy C-Means,FCM)聚类算法,对样本进行聚类分析,提高了合成少类样本的可靠性;提出一种基于特征空间的合成样本策略,增加了合成少类样本的多样性和合理性。最终,本文提出的方法在7个UCI数据集上进行实验,并取得了令人满意的结果。