控制与决策

作者：刘金平,杨本芳,周嘉铭,徐鹏飞

单位：湖南师范大学 智能计算与语言信息处理湖南省重点实验室, 长沙 410081,,湖南师范大学 智能计算与语言信息处理湖南省重点实验室, 长沙 410081,,湖南师范大学 智能计算与语言信息处理湖南省重点实验室, 长沙 410081,,湖南师范大学 智能计算与语言信息处理湖南省重点实验室, 长沙 410081,

关键词：不均衡数据;高斯混合模型;变分推断;自适应综合采样法

基金：国家自然科学基金项目(61971188).

实际的分类数据往往是分布不均衡的.传统的分类器大都会倾向多数类而忽略少数类,导致分类性能恶化.针对该问题提出一种基于变分贝叶斯推断最优高斯混合模型(varition Bayesian-optimized optimal Gaussian mixture model,VBoGMM)的自适应不均衡数据综合采样法.VBoGMM可自动衰减到真实的高斯成分数,实现任意数据的最优分布估计;进而基于所获得的分布特性对少数类样本进行自适应综合过采样,并采用Tomek-link对准则对采样数据进行清洗以获得相对均衡的数据集用于后续的分类模型学习.在多个公共不均衡数据集上进行大量的验证和对比实验,结果表明:所提方法能在实现样本均衡化的同时,维持多数类与少数类样本空间分布特性,因而能有效提升传统分类模型在不均衡数据集上的分类性能.

来源：2023年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第6期