计算机软件及计算机应用论文_融合拟单层覆盖粗

文章摘要:现如今，不平衡数据存在生活中各个领域，如何有效地对其分类已经成为研究的热点。传统的过采样与欠采样方法虽然能保证数据的平衡性，但无法克服因数据分布和噪声对数据的分类造成的影响。为了降低数据分布与噪声在集值信息系统中对不平衡数据分类的影响，提出了一种基于拟单层覆盖粗集的过采样与欠采样相结合的模型。通过拟单层覆盖粗集DA0与DE0下近似将数据划主要划分为两个部分，将属于下近似集的部分用BorderlineSMOTE进行过采样，将不属于下近似集的部分用ClusterCentroids进行欠采样，最终将二者合并即为最终数据集。拟单层覆盖粗集是适用于集值信息系统的高近似质量，快速计算的模型，高近似质量可以使其保留尽可能多的可靠数据来保证模型的泛化能力。通过混合处理方式，不仅能够降低噪声数据对BorderlineSMOTE的影响，还能通过ClusterCentroids极大程度地保留被过滤数据的信息完整性。最后，通过相关对比实验，采用ExtraTree、DecisionTree、FGCNN等方法，验证了模型的有效性。

文章关键词:

论文分类号:TP18;TP311.13

上一篇：农业经济论文_前景理论视角下不同类型农户的宅
下一篇：没有了