针对SMOTE (syntheticminorityover samplingtechnique) 等基于近邻值的传统过采样算法在
处理类不平衡数据时近邻参数不能根据少数类样本的分布及时调整的问题, 提出邻域自适应 …

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 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 …

针对SMOTE (SyntheticMinorityOver—samplingTechnique) 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(SSMOTE). 该算法的关键是将支持度概念和轮盘赌选择技术 …

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 …

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 …

摘要For oversampling algorithms based on nearest neighbor values, such as synthetic
minority oversampling technology, when dealing with imbalances in data categories, cannot …

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 (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 …

The SMOTE algorithm can extend the minority samples and improve the classification ability
of a few classes in the unbalanced data set. However, it blindly chooses boundary samples …