面向不平衡数据分类的DPC-SMOTE过采样算法

作者：刘志函; 张忠林^*; 赵磊

来源：哈尔滨理工大学学报, 2023, 1-16.

• 不平衡数据
• 分类
• 过采样
• 密度峰值聚类
• 稀疏度

针对不平衡数据集中存在的噪声以及类内类间不平衡问题，提出了基于密度峰值聚类的过采样算法。首先对多数类样本进行预处理，筛选噪声样本并删除；其次，算法对所有少数类样本采用密度峰值聚类，剔除噪声点；接着根据聚类后每个簇不同的稀疏度分配采样权重，计算每个簇需要合成的新样本数目；最后在每个簇内进行SMOTE过采样合成新样本。将提出的过采样算法与五种常用过采样算法对比，并分别和五种基分类器相结合，在6个不平衡数据集上进行对比实验。实验结果表明：该方法的F1、G-mean、AUC最低可提升1.21%、0.94%、5.14%；最高可提升15.90%、14.99%、11.26%。证明了该方法能够减少样本重叠，有效避免不平衡数据集中噪声的产生，提升分类精度。

• 单位
  兰州交通大学