论文部分内容阅读
不平衡数据分类问题是数据挖掘领域的关键挑战之一。过抽样方法是解决不平衡分类问题的一种有效手段。传统过抽样方法没有考虑类内不平衡，为此提出基于改进谱聚类的过抽样方法。该方法首先自动确定聚类簇数，并对少数类样本进行谱聚类，再根据各类内包含样本数与总少数类样本数之比，确定在类内合成的样本数量，最后通过在类内进行过抽样，获得平衡的新数据集。在4个实际数据集上验证了算法的有效性。并在二维合成数据集上对比k均值聚类和改进谱聚类的结果，解释基于两种不同聚类的过抽样算法性能差异的原因。