文件名称：论文研究-不均衡数据集文本分类中少数类样本生成方法研究.pdf
文件大小：705KB
文件格式：PDF
更新时间：2022-08-11 16:02:29
不均衡数据集,分类,聚类,遗传算法,样本生成
针对传统的分类算法在处理不均衡样本数据时，其分类器预测倾向于多数类，少数类分类误差大，提出了一种基于聚类和遗传算法的样本生成方法。先通过K-means算法将少数类样本聚类分组；再在每个聚类的内部使用遗传交叉和变异操作获取新样本，并进行有效性验证；最后使用原始数据集和新数据集分别训练K最近邻（K nearest neighbor,KNN）及支持向量机(support vector machine,SVM）分类器。实验结果表明此方法有效改善了少数类分类效果。