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）