基于条件生成对抗网络的不平衡学习研究

作者：赵海霞; 石洪波^*; 武建; 陈鑫

来源：控制与决策, 2021, 36(03): 619-628.

DOI：10.13195/j.kzyjc.2019.0522

• 不平衡学习
• 类别重叠
• 重抽样方法
• 条件生成对抗网络

对于不平衡数据的分类,不平衡率并不是影响分类效果的唯一因素,类别间的重叠、正类样本的分离以及噪音样本的存在等均会对分类效果造成影响.针对具有类别重叠的不平衡数据集,提出基于CGAN模型的重抽样方法(RECGAN).该方法结合负类样本的欠抽样和正类样本的过抽样,既能够提高重叠区域正类样本的识别度,又可以克服以往均从样本点的局部邻域出发合成样本的缺陷.实验结果表明,无论是从AUC和F1的取值看,还是从数据集上的平均排序看, RECGAN方法均具有明显的优势.

• 单位
  太原理工大学; 山西财经大学; 数学学院