針對類內(nèi)不平衡樣本分類方法的研究.pdf

1、近年來，不平衡數(shù)據(jù)分類問題存在于諸多領(lǐng)域中，由于不平衡分類蘊含的關(guān)鍵信息以及分類的困難受到越來越多研究學(xué)者的關(guān)注。傳統(tǒng)的分類算法在應(yīng)用到不平衡樣本分類問題上時，往往不能取得理想的分類效果。到目前為止，許多針對不平衡問題的有效改進方法被研究者提出并應(yīng)用到不同的領(lǐng)域，但是針對類內(nèi)不平衡樣本數(shù)據(jù)集的分類方法還需要我們?nèi)ミM一步深入研究。
　　由于絕大部分現(xiàn)有的針對不平衡數(shù)據(jù)分類的方法都只是考慮到了類間不平衡的情況，并沒有考慮到類內(nèi)不平衡，

2、從而當(dāng)出現(xiàn)類內(nèi)不平衡的時候影響最終的分類效果。有實驗研究證明，影響不平衡樣本分類學(xué)習(xí)的因素有很多，類間不平衡是其中一個主要原因但不是唯一因素，類內(nèi)不平衡情況的存在往往是影響最終分類效果的關(guān)鍵因素。
　　在本文中，首先介紹了不平衡問題中的類間不平衡和類內(nèi)不平衡進行了介紹，并從多個角度分析了造成不平衡數(shù)據(jù)分類難的原因，通過闡述這些存在的問題進行分析研究；然后，對現(xiàn)有的一些經(jīng)典的解決不平衡數(shù)據(jù)樣本分類問題的方法和主流評價標(biāo)準(zhǔn)進行總結(jié)，并

3、研究和分析這些方法的優(yōu)缺點；然后，本課題提出了一種考慮類內(nèi)不平衡的基于改進DBSCAN算法進行聚類，結(jié)合進化算法優(yōu)化的集成分類方法進行類內(nèi)不平衡數(shù)據(jù)樣本分類的解決方案，并基于邊界樣本結(jié)合過采樣和欠采樣的各自優(yōu)點進行混合采樣；最后采用進化算法（EAs）中粒子群優(yōu)化算法(PSO)對混合采樣率、特征向量以及基分類器的權(quán)重系數(shù)進行優(yōu)化，提出了一種基于PSO和改進DBSCAN算法的DBPS-Boost算法。隨后進行了一系列可以有效驗證算法查全率、