不平衡數據分類問題研究.pdf

1、西安建筑科技大學碩士論文不平衡數據分類問題研究專業(yè)：計算機軟件與理論碩士生：潘正茂指導教師：王超學副教授董麗麗教授摘要在很多實際應用中，比如網絡入侵、醫(yī)療診斷以及故障檢測等，分類處理的對象大多是不平衡數據（集），即某些類別的樣本數量明顯少于其它類別的數據集，通常這些數據集中的少數類包含的信息是更重要的。然而，采用傳統(tǒng)的分類方法對不平衡數據進行分類時，分類判決總會傾向于多數類，導致了對少數類樣本的識別率低下。因此，如何有效提高對少數類樣本

2、的分類準確率成為了機器學習和數據挖掘領域的一個研究熱點和難點。KNN（KNearestNeighbs，K近鄰）是一種經典的分類算法。針對KNN算法在對不平衡數據進行分類時性能低下的缺點，本文設計了兩種改進方法，并且構建了一個用于處理不平衡數據分類問題的原型系統(tǒng)：第一種改進方法是將基于支持度的改進SMOTE（SyntheticMinityOversamplingTechnique）算法（簡稱SSMOTE）與KNN算法結合。SSMOTE算法

3、的關鍵是將支持度概念和輪盤賭選擇技術引入到SMOTE中，并充分利用了異類近鄰的分布信息，實現(xiàn)了對少數類樣本合成質量和數量的精細控制。本文將SSMOTE與KNN算法結合來處理不平衡數據的分類問題。通過在UCI數據集上與其他重要文獻中的相關算法進行的大量對比實驗表明，SSMOTE在新樣本的整體合成效果上表現(xiàn)出色，從而有效提高了KNN對不平衡數據的分類性能。第二種改進方法是基于權重的KNN算法（簡稱GAKKNN）。它的關鍵在于定義了一種新的權