基于最大平衡度的自适应随机抽样算法

doi:10.12068/j.issn.1005-3026.2018.06.007

东北大学学报:自然科学版 ›› 2018, Vol. 39 ›› Issue (6): 792-796.DOI: 10.12068/j.issn.1005-3026.2018.06.007

基于最大平衡度的自适应随机抽样算法

董立岩¹，王越群¹，李永丽²，朱琪¹

(1. 吉林大学计算机科学与技术学院，吉林长春130012; 2. 东北师范大学计算机科学与信息技术学院，吉林长春130117)

收稿日期:2017-04-21 修回日期:2017-04-21 出版日期:2018-06-15 发布日期:2018-06-22
通讯作者: 董立岩
作者简介:董立岩(1966-)，男，吉林长春人，吉林大学教授，博士生导师.冯明杰(1971-)，男，河南禹州人，东北大学副教授; 王恩刚(1962-)，男，辽宁沈阳人，东北大学教授，博士生导师.
基金资助:
国家自然科学基金资助项目(61272209).国家自然科学基金资助项目(51171041).

Adaptive Random Sampling Algorithm Based on the Balance Maximization

DONG Li-yan¹， WANG Yue-qun¹， LI Yong-li²， ZHU Qi¹

1. College of Computer Science and Technology， Jilin University， Changchun 130012， China; 2. School of Computer Science and Technology， Northeast Normal University， Changchun 130117， China.

Received:2017-04-21 Revised:2017-04-21 Online:2018-06-15 Published:2018-06-22
Contact: DONG Li-yan
About author:-
Supported by:
-

摘要/Abstract

摘要： 针对分类算法在非平衡数据集的情况下分类性能不理想的问题，总结了常见的数据平衡化方法，包括改造数据集与改进算法，提出一种全新的基于最大平衡度的自适应随机抽样算法，进一步优化了随机森林算法的分类效果.将其应用在随机森林算法的数据预处理阶段，并通过实验证明了该随机抽样方法的有效性，在合理的整体精度范围内能够较好地处理非平衡数据.产生的新数据比较拟合初始数据，能够提高分类器处理非平衡数据的能力.

关键词: 非平衡数据集, 最大平衡度, 随机抽样, 随机森林, 数据预处理

Abstract: The problem on the classification algorithm of imbalanced datasets was analyzed. Common methods of balancing data， including improvement of datasets and the improved algorithm， were summarized. Then a novel algorithm called adaptive random sampling algorithm was put forward based on balance maximization. The classification effect of random forest algorithm was further optimized. Experiments show that the proposed algorithm performs well with the imbalanced data， the new data are fitted with the original data， and it could improve the ability of classifier to deal with the imbalanced data.

Key words: imbalanced dataset, balance maximization, random sampling, random forest, data preprocessing

中图分类号:

TP301.6

董立岩，王越群，李永丽，朱琪. 基于最大平衡度的自适应随机抽样算法[J]. 东北大学学报:自然科学版, 2018, 39(6): 792-796.

DONG Li-yan， WANG Yue-qun， LI Yong-li， ZHU Qi. Adaptive Random Sampling Algorithm Based on the Balance Maximization[J]. Journal of Northeastern University Natural Science, 2018, 39(6): 792-796.

参考文献

[1]Gray K R，Aljabar P，Heckemann R A，et al.Random forest-based similarity measures for multi-modal classification of Alzheimer’s disease［J］.NeuroImage，2013，65(1):167-175.
[2]Li X，Guo Y.Active learning with multi-label SVM classification［C］//Proceedings of the Twenty-Third International Joint Conference on Artificial Intelligence.Beijing，2013:1479-1485.
[3]Galar M，Fernández A，Barrenechea E，et al.EUSBoost:Enhancing ensembles for highly imbalanced data-sets by evolutionary undersampling［J］.Pattern Recognition，2013，46(12):3460-3471.
[4]Zhu Q，Cao S.A novel classifier-independent feature selection algorithm for imbalanced datasets［C］//10th ACIS International Conference on Software Engineering，Artificial Intelligences，Networking and Parallel/Distributed Computing.Daegu，2009:77-82.
[5]Hsu J L，Hung P C，Lin H Y，et al.Applying under-sampling techniques and cost-sensitive learning methods on risk assessment of breast cancer［J］.Journal of Medical Systems，2015，39(4):1-13.
[6]Sarakit P，Theeramunkong T，Haruechaiyasak C.Improving emotion classification in imbalanced YouTube dataset using SMOTE algorithm［C］//2nd International Conference on Advanced Informatics:Concepts，Theory and Applications (ICAICTA).Chonburi，2015:1-5.
[7]Ono S，Matsuyama H，Fukui K，et al.Error detection of oceanic observation data using sequential labeling［C］//IEEE International Conference on Data Science and Advanced Analytics (DSAA).Paris，2015:1-8.
[8]Kremic E，Subasi A.Performance of random forest and SVM in face recognition［J］.The International Arab Journal of Information Technology，2016，13(2):287-293.
[9]Maratea A，Petrosino A，Manzo M.Adjusted F-measure and kernel scaling for imbalanced data learning［J］.Information Sciences，2014，257:331-341.
[10]Geisser S.The predictive sample reuse method with applications［J］.Journal of the American Statistical Association，1975，70(350):320-328.

[1]	李鸿儒，任子洋，黄友鹤，于霞. 基于变权重奇异谱分析的心律不齐识别方法[J]. 东北大学学报（自然科学版）, 2022, 43(3): 305-312.
[2]	丁敬国，郭锦华. 基于主成分分析协同随机森林算法的热连轧带钢宽度预测[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1268-1275.
[3]	刘馨，张卫军，石泉，周乐. 基于数据挖掘与清洗的高炉操作参数优化[J]. 东北大学学报:自然科学版, 2020, 41(8): 1153-1160.
[4]	郑艳，陈家楠，吴凡，付彬. 基于CGRU模型的语音情感识别研究与实现[J]. 东北大学学报:自然科学版, 2020, 41(12): 1680-1685.
[5]	徐礼胜，张闻勖，庞宇轩，吴承暘. 基于短时心电信号的疲劳驾驶检测算法[J]. 东北大学学报:自然科学版, 2019, 40(7): 937-941.
[6]	纪英俊，勇晓玥，刘英林，刘士新. 基于随机森林的热轧带钢质量分析与预测方法[J]. 东北大学学报:自然科学版, 2019, 40(1): 11-15.
[7]	王鑫，汪晋宽，刘志刚，胡曦. 基于随机森林的认知网络主用户信号调制类型识别算法[J]. 东北大学学报:自然科学版, 2014, 35(12): 1706-1709.
[8]	纪雯，王建辉，方晓柯，顾树生. 一种区间二型模糊隶属度函数的构造新方法[J]. 东北大学学报(自然科学版), 2013, 34(5): 618-623.
[9]	王丹;周亮;孙志礼;杜金成;. 基于蒙特卡洛方法的滚珠丝杠副运动可靠性分析[J]. 东北大学学报(自然科学版), 2012, 33(8): 1179-1181+1185.
[10]	王植;李慧盈;吴立新;贺正雄;. 基于RANSAC模型的机载LiDAR数据中建筑轮廓提取算法[J]. 东北大学学报(自然科学版), 2012, 33(2): 271-275.
[11]	-. 待发表文章摘要预报[J]. 东北大学学报:自然科学版, 1996, 17(4): 1--.

基于最大平衡度的自适应随机抽样算法

Adaptive Random Sampling Algorithm Based on the Balance Maximization

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价