基于欧式距离聚类的自适应过采样方法

作者：董洪荣; 付亚军; 张帅; 余亚强; 陈军; 谢德红^*

来源：印刷与数字媒体技术研究, 2023, (05): 26-41.

DOI：10.19370/j.cnki.cn10-1886/ts.2023.05.003

• 不平衡数据
• 分类
• 欧式距离
• 聚类
• 机器学习

很多分类器难以识别不平衡数据中的少数类，给缺陷检测等众多应用带来了挑战。当前许多过采样方法虽可有效增加少数类样本，但却存在类重叠增加的风险。本研究提出了一种基于欧式距离聚类的自适应过采样方法。该方法采用基于欧式距离的构造覆盖算法对少数类进行聚类，然后自适应识别出相对安全和靠近分类边界的少数类聚类，再在此聚类内采用SMOTE采样步骤合成新少数类样本。通过10个不平衡数据集以及G-mean、F1-measure、AUC等指标验证。实验结果显示，与现有过采样方法相比，该方法在大多数数据集上，G-mean、F1-measure和AUC三个指标均最优。结果表明，本研究方法有效弥补现有分类的缺陷，获得较好分类结果。

• 单位
  南京林业大学