基于樣本分布的類別均衡化方法

摘要： 為解決樣本類別不均衡問題，提出基于樣本分布的類別均衡化算法。采用單類支持向量機(jī)和近鄰法學(xué)習(xí)多數(shù)類樣本，凈化類別不清的分布邊界；采用密度聚簇算法對少數(shù)類樣本聚簇，根據(jù)每個類簇的權(quán)重決定每個類簇生成的樣本數(shù)，平衡類簇間的樣本數(shù)量；根據(jù)每個簇的邊界樣本與非邊界樣本數(shù)量比值，確定每個樣本權(quán)重，采用SMOTE合成少數(shù)類樣本。采用UCI數(shù)據(jù)集實驗對比和地震數(shù)據(jù)分析應(yīng)用，驗證了算法在不同分類...