基于单边选择链和样本分布密度融合机制的非平衡数据挖掘方法.pdfVIP

第 7期 电 子 学 报 Vo1．42 No．7 2014年 7月 ACTA EI正CTR0NICA SINICA -lu1． 2014 基于单边选择链和样本分布密度融合机制的 非平衡数据挖掘方法 翟 云 ．一，王树鹏 ，马 楠 ，杨炳儒 ，张德政 (1，国家行政学院电子政务研究中心，北京 100089；2．北京科技大学计算机与通信工程学院，北京 100083 3．中国科学院信息工程研究所 ，北京 100093；4．北京联合大学信息学院，北京 1130101) 摘 要： 非平衡数据集分类问题是机器学习领域的重大挑战性难题．针对该难题，传统的少数类样本合成技术 (SyntheticMinorityOver-SamplingTechnique，SMOTE)已成为一种有力手段并得到广泛采用．但在新样本生成过程中， SMOTE利用所有少数类样本合成新样本，由此产生过拟合瓶颈．为更好地解决该问题，提出了一种基于单边选择链和 样本分布密度的非平衡数据挖掘新方法 (One—SidedLinkDistributionDensiyt．SMOTE，OSLDD．SMOTE)．OSLDD-SMOTE通 过单边选择链遴选出处于分类边界的少数类样本 ，根据这些样本的动态分布密度生成新样本．进而分析了样本合成度 对节点数 目和对少数类精度的影响；基于G-mean、F-measul~和AUC三个指标综合比较了OSLDD—SMOTE与其他同类方 法的分类性能．实验结果表明，OSLDD．SMOTE有效提高了少数类样本的分类准确率． 关键词： 非平衡数据分类；单边选择链；分布密度；重采样 中图分类号： TP18 文献标识码 ： A 文章编号： 0372．2112(2014)07—1311-09 电子学报URL_,http：／／www．ejourna1．org．an DOI：10．3969／j．issn．0372—2112．2014．07．011 A DataMiningMethodforImbalancedDatasetsBasedon One—SidedLinkandDistributionDensityofInstances ZHAIYun1,2WANG Shu．peng3MANan4，YANGBing．1-112，ZHANGDe—zheng2 ， (1．E-C,overnmemResearchCenter，ChineseAcademyof6 m ，Beijing，100089，Chn／a； 2．SchoolofComputerandCo-- ionEngineering，UniversityofScienceandTechnology~ijing，Bejiing100083，hCina； 3．InstituteofInformationEngineering，ChineseAcademyofSciences，Beijing100093，hCina； 4．CollegeofInformatoinTechnoolyg ，BdjingUnionUniversity，Beijing100101，hCina) Abst~ ： Classificationinimbalanceddatasetsposesagreatchallengetomachinelearningregion，whem thesyntheticmi— nroityover-