一種基于改進CGAN的不平衡數(shù)據(jù)集成分類算法

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...