%0 Journal Article %A 谢子鹏 %A 包崇明 %A 周丽华 %A 王崇云 %A 孔兵 %T 类不平衡数据的EM聚类过采样算法 %D 2023 %R 10.3778/j.issn.1673-9418.2104080 %J 计算机科学与探索 %P 228-237 %V 17 %N 1 %X 针对分类任务中的不平衡数据集造成的分类性能低下的问题,提出了类不平衡数据的EM聚类过采样算法,通过过采样提高少数类样本数量,从根本上解决数据不平衡问题。首先,算法采用聚类技术,通过欧式距离衡量样本间的相似度,选取每个聚类簇的中心点作为过采样点,一定程度解决了样本的重要程度不够的问题;其次,通过直接在少数类样本空间上进行采样,可较好解决SMOTE、Cluster-SMOTE等方法对聚类空间没有针对性的问题;同时,通过对少数类样本数量的30%进行过采样,有效解决基于Cluster聚类的欠采样盲目追求两类样本数量平衡和SMOTE等算法没有明确采样率的问题。在公开的24个类不平衡数据集上进行了实验,验证了方法的有效性。 %U http://fcst.ceaj.org/CN/10.3778/j.issn.1673-9418.2104080