胡,冯;李,杭 一种新的基于邻域粗糙集模型的边界过采样算法:NRSBoundary SMOTE。 (英语) Zbl 1299.68166号 数学。问题。工程师。 2013年,文章ID 694809,10 p.(2013). 摘要:粗糙集理论是Pawlak引入的一种强大的数学工具,用于处理不精确、不确定和模糊的信息。基于邻域的粗糙集模型扩展了粗糙集理论;它可以将数据集分为三部分。边界区域表明大多数类样本和少数类样本重叠。根据我们对原始数据集分布的了解,我们只对边界区域中与多数类样本重叠的少数类样本进行过采样。因此,NRSBoundary-SMOTE可以扩展少数群体的决策空间;同时,它将缩小大多数类的决策空间。在对四种分类器进行实验后,当使用C4.5、CART和KNN时,NRSBoundary-SMOTE比其他方法具有更高的准确性,但在分类器SVM上比SMOTE差。 引用于2文件 MSC公司: 68层37 人工智能背景下的不确定性推理 软件:4.5条 PDF格式BibTeX公司 XML格式引用 \textit{F.Hu}和\textit{H.Li},数学。问题。Eng.2013,文章ID 694809,10 p.(2013;Zbl 1299.68166)