三支过采样的不平衡数据分类方法

结合三支决策和合成少数过采样技术(synthetic minority over-sampling technique, SMOTE),提出了一种新的采样方法—三支过采样(three-way over-sampling, 3WOS)。3WOS通过对所有样本构建三支决策模型，选取该模型边界域中的样本作为关键样本进行SMOTE过采样，从而有效缓解样本聚集和分离问题，在一定程度上提高了分类器性能。该方法首先在少数类样本上应用三支决策和支持向量数据描述，将所有样本数据进行三分；其次，找出所有关键样本的k个最近邻少数类样本，并使用线性插值方式对每个关键样本合成新样本，然后形成新的少数类样本；最后，将更新后的样本集用于训练分类器。实验结果表明，3WOS方法比其他方法在基分类器上有较好的分类准确度、F-measure、G-mean和较少的代价值。