声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1124/TP
国际刊号：1001-0920
发布日期:
作者：赵海霞,石洪波,武建,陈鑫
单位：山西财经大学统计学院，太原030006,,山西财经大学信息学院，太原030006,,山西财经大学应用数学学院，太原030006;太原理工大学信息与计算机学院，太原030600,,山西财经大学信息学院，太原030006,
关键词：不平衡学习;类别重叠;重抽样方法;条件生成对抗网络
基金：国家社会科学基金项目(17BTJ010)；山西省自然科学基金项目(2014011022-2).
对于不平衡数据的分类,不平衡率并不是影响分类效果的唯一因素,类别间的重叠、正类样本的分离以及噪音样本的存在等均会对分类效果造成影响.针对具有类别重叠的不平衡数据集,提出基于CGAN模型的重抽样方法(RECGAN).该方法结合负类样本的欠抽样和正类样本的过抽样,既能够提高重叠区域正类样本的识别度,又可以克服以往均从样本点的局部邻域出发合成样本的缺陷.实验结果表明,无论是从AUC和$F_1$的取值看,还是从数据集上的平均排序看,RECGAN方法均具有明显的优势.
来源：2021年第3期
《控制与决策》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。