一種基于改進CGAN的不平衡數(shù)據(jù)集成分類算法
小型微型計算機系統(tǒng)
頁數(shù): 7 2022-08-09
摘要: CGAN能學習到數(shù)據(jù)的分布特性并生成符合原始數(shù)據(jù)分布的新樣本,將其作為過采樣方法可以提升不平衡數(shù)據(jù)的分類性能.然而,當少數(shù)類樣本規(guī)模較小時CGAN不能充分學習其分布特征,導致生成的樣本質(zhì)量欠佳.為此,本文提出一種基于改進CGAN的不平衡數(shù)據(jù)集成分類算法.首先采用SMOTEENN方法快速生成少數(shù)類樣本并使其達到一定規(guī)模,訓練出能充分學習少數(shù)類樣本分布特性的CGAN模型,然后重新生...