面向不均衡数据的分类方法研究.pdf

摘要

数据不均衡问题在许多领域普遍存在,由于少数类样本的稀缺,传统的分类

算法往往偏向多数类,从而导致模型对少数类的识别能力不足,影响了预测性能。

现有的解决方案通常依赖于过采样、欠采样或生成对抗网络来缓解不均衡问题,

但这些方法仍然存在样本质量差、噪声累积和特征挖掘不足等问题,尤其是在处

理特征关系复杂的不均衡数据时。为了克服这些不足,本文提出了两种针对不均

衡数据的处理方法:HBlendNet和WDST-LRMC。

(1)HBlendNet基于孪生网络架构,设计了级联融合的

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档