不平衡數(shù)據(jù)分類問題研究.pdf

1、西安建筑科技大學碩士論文不平衡數(shù)據(jù)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(wǎng)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(shù)據(jù)（集），即某些類別的樣本數(shù)量明顯少于其它類別的數(shù)據(jù)集，通常這些數(shù)據(jù)集中的少數(shù)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(shù)據(jù)進行分類時，分類判決總會傾向于多數(shù)類，導致了對少數(shù)類樣本的識別率低下。因此，如何有效提高對少數(shù)類樣本

2、的分類準確率成為了機器學習和數(shù)據(jù)挖掘領(lǐng)域的一個研究熱點和難點。KNN（KNearestNeighbs，K近鄰）是一種經(jīng)典的分類算法。針對KNN算法在對不平衡數(shù)據(jù)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(gòu)建了一個用于處理不平衡數(shù)據(jù)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(jié)合。SSMOTE算法

3、的關(guān)鍵是將支持度概念和輪盤賭選擇技術(shù)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(shù)類樣本合成質(zhì)量和數(shù)量的精細控制。本文將SSMOTE與KNN算法結(jié)合來處理不平衡數(shù)據(jù)的分類問題。通過在UCI數(shù)據(jù)集上與其他重要文獻中的相關(guān)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(shù)據(jù)的分類性能。第二種改進方法是基于權(quán)重的KNN算法（簡稱GAKKNN）。它的關(guān)鍵在于定義了一種新的權(quán)