针对SMOTE (Synthetic Minority Over-sampling Technique) 等传统过采样算法存在的忽略类内
不平衡, 扩展少数类的分类区域以及合成的新样本高度相似等问题, 基于综合考虑类内不平衡和 …

针对传统的合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)
在类别区域重合的数据集应用时, 可能产生多个更接近多数类的人工样例, 甚至突破类别边界 …

在不平衡数据集中, 过抽样算法如Smote (Synthetic Minority Oversampling) 算法, R-Smote
算法与SD-ISmote 算法可能会模糊多数类与少数类的边界以及使用噪声数据合成新样本 …

SMOTE (Synthetic Minority Over-sampling TEchnique) 在进行样本合成时只在少数类中求其K
近邻, 这会导致过采样之后少数类样本的密集程度不变的问题. 鉴于此, 提出一种新的过采样算法 …

针对传统过采样算法中常常出现的生成噪声点, 数据分布边缘化, 未增强足够特征的问题,
提出了一种新算法: 试探性少数类过采样技术(tentativesyntheticminorityover sampling …

针对SMOTE (synthetic minority over-sampling technique) 在合成少数类新样本时存在的不足,
提出了一种改进的SMOTE 算法GA-SMOTE. 该算法的关键将是遗传算法中的3 …

摘要针对传统的Borderline—SMOTE 方法在选择少数类样本进行合成的过程中,
无法识别出完全的边界样本的这一问题, 提出一种基于近邻构建边界样本的过采样算法BN …

SMOTE 算法可以扩充少数类样本, 提高不平衡数据集中少数类的分类能力,
但是它在扩充少数类样本时对于边界样本的选择以及随机数的取值具有盲目性. 针对此问题 …

结合三支决策和合成少数过采样技术(synthetic minority over-sampling technique, SMOTE),
提出了一种新的采样方法—三支过采样(three-way over-sampling, 3WOS). 3WOS …

摘要不平衡数据集是指在数据集中, 某一类样本的数量远大于其他类样本的数量,
其会影响分类结果, 使基本分类器偏向多数类. 合成少数样本过采样技术(SMOTE) …