{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,9,19]]，“日期-时间”：“2024-09-19T16:34:12Z”，“时间戳”：1726763652474}，“引用-计数”：58，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{:“日期-零件”：[[2024,1]]，”日期-时间“：”2024-01-01T00:00:00Z“，”timestamp“：170406720000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2024,1]]，“date-time”：“2024-01-01T00:00:00Z”，“timestamp”：170406720000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\\/doi.org\/10.15223\/policy-017“}，{“开始”：{“日期部分”：[[2024,1,1]]，“日期时间”：“2024-01-01T00:00:00Z”，“timestamp”：170406720000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2024,1,1]]，“date-time”：“2024-01-01T00:00:00Z”，“timetamp”：170 4067200000}，\\/doi.org\/10.15223\/policy-012“}，{“start”：{“date-parts”：[[2024,1,1]]，“date-time”：“2024-01-01T00:00:00Z”，“timestamp”：170406720000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2024,1,1]]，“datetime”：“204-01T00:00Z”，“，”delay-in-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“资助者”：[{“DOI”：“10.13039\/501100001809”，“名称”：“国家自然科学基金”，“DOI-asserted-by”：“publisher”，“id”：[[{”id“：”10.13039\/5011000011809“，”id-type“：”DOI“，”asserted-by“：”publisher“}]}]，“内容域”：{“domain”：[“elsevier.com”，“sciencedirect.com”]，“交叉标记限制”：true}，“short-container”蒂尔”用法：[“应用软件计算”]，“published-print”：{“date-parts”：[[2024,1]]}，“DOI”：“10.1016\/j.asoc.2023.110986”，“type”：“journal-article”，“created”：{“date-ports”：[2023,11,7]]，“date-time”：“2023-11-07T19:36:36Z”，“timestamp”：1699385796000}，”page：“110986”，“update-policy”：”http://\/dx.DOI org\/10.1016\/elsevier_cm_policy“，”源“：”Crossref“，“is-referenced-by-count”：9，“special_numbering”：“C”，“title”：[“不平衡数据分类的自适应SV-Borderline SMOTE-SVM算法”]，“prefix”：“10.1016”，“volume”：“150”，“author”：[{“给定”：“Jiaqi”，“family”：“Guo”，“sequence”：“first”，“affiliation”：[]}，{“given”：“雷”，“family”：“Chen”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Weigou”，“faily”：”Lin“，”sequence“：”additional“，”affiliation:[]}]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.asoc.2023.110986_b1“，”doi-asserted-by“：”crossref“，“first-pages”：“234”，“doi”：“10.1016\/j.eswa.2018.01.037”，“artic.le-title“：“信用卡欺诈检测的序列分类”，“author”：“Jurgovsky”，“year”：“2018”，“journal-title”：“Expert Syst.Appl.”}，{“key”：“10.1016\/j.asoc.2023.110986_b2”，“article-title（文章标题）”：“基于数据挖掘技术的宫颈环扎妇女早产预测智能系统”，“作者”：“哈桑”，“年份”：“2020”，“期刊标题”：“Comput.Biol.Chem.”}，｛“key”：“10.1016\/j.asoc.2023.110986_b3”，“doi断言”：“crossref”，“首页”：“5105”，“doi”：“10.1166\/jctn.2019.8570”，“文章标题”：“登革热预测机器学习算法的性能评估（文章）”，“作者”：“Kannimuthu”，“年份”：“2019”，“期刊标题”：“j。计算。西奥。纳米科学。“}，{”key“：”10.1016\/j.asoc.2023.110986_b4“，”first page“：“1”，”article-title“：”基于少数群体聚类SMOTE的不平衡分类，具有风机故障检测应用程序“，”author“：”Yi“，”year“：”2020“，”journal-title”：“IEEE Trans.Ind.Inform.”}，“{”key“：SMOTE过采样及其改进算法研究综述”，“作者”：“洪波”，“年份”：“2019年”，“期刊标题”：“CAAI Trans。智力。系统。“}，{”key“：”10.1016\/j.asoc.2023.110986_b6“，”doi-asserted-by“：”crossref“，”unstructured“：”Z.Yuan，P.Zhao，《非平衡数据分类的改进集成学习》，2019年IEEE第八届国际信息技术与人工智能联合会议，ITAIC，2019.“，”doi“：”101109\/ITAIC.2019.8785887“}”，{“key”：“10.1016\/j.asoc.2023.110986_b7“，”doi-asserted-by“：”crossref“，”first page“：”1“，”doi“：”10.1109\/ACCESS.2021.3049181“，”article-title“：”Review of classification methods on balanced data set“，”author“：”Wang“，”year“：”2021“，“journal-title”：“IEEE ACCESS”}，{“key”：“10.1016//j.asoc.2023.110986 _b8”，“first pages”：“197”，“article-title”：“《非平衡数据分类综述》，“作者”：“库马尔”，“年份”：“2022年”，“期刊标题”：“Proc。Int.Joint Conf.Adv.Compute Intell“}，{“key”：“10.1016\/j.asoc.2023.110986_b9”，“doi-asserted-by”：“crossref”，“first page”：”20“，”doi“：”10.1145\/1007730.1007735“，”article-title“：“平衡机器学习训练数据的几种方法的行为研究”，“author”：“Batista”，“year”：“2004”，“journal-title”：“ACM SIGKDD Explor.Newsl.”}，：“10.1016\/j.asoc.2023.110986_b10“，“article-title”：“通过分析分类平衡数据的本地信息了解过抽样的明显优势”，“author”：“Garc\u00eda”，“year”：“2019”，“journal-title“：“Expert Syst”。申请。“}，{”key“：”10.1016\/j.asoc.2023.110986_b11“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1016\/j.ins.2018.06.056”，“article-title”：“通过基于k-means和SMOTE的启发式过采样方法改善不平衡学习”，“author”：“Douzas”，“year”：“2018”，“journal-title“：”Inform.Sci.“}”，{“key”：“1016\/j澳大利亚会计准则2023.110986_b12“，”doi-asserted-by“：”crossref“，”first page“：”184“，“doi”：“10.1016\/j.ins.2014.08.051”，“article-title”：“SMOTE-IPF：通过带过滤的重采样方法解决不平衡分类中的噪声和边界示例问题”，“author”：“Sa\u2019ez”，“year”：“2015”，“journal-title“：”Inform。科学。“}，{”key“：”10.1016\/j.asoc.2023.110986_b13“，”doi-asserted-by“：”crossref“，”first page“：“17”，“doi”：“10.1016\/j.ins.2017.05.008”，“article-title”：“类分类数据中基于聚类的欠采样（文章）”，“author”：“Lin”，“year”：“2017”，“journal-title“：”Inform.Sci.“}”，{“key”：“101016\/j.asoc.2023.10”10986_b14“，”doi-asserted-by“：”crossref“，”首页“：”2402“，”DOI“：”10.1109\/TCYB.2014.2372060“，”文章标题“：”不平衡分类问题的基于灵敏度的多元化欠采样“，”作者“：”Ng“，”年份“：”2015“，”期刊标题“：“IEEE Trans。赛博。“}，{”key“：”10.1016\/j.asoc.2023.110986_b15“，”doi-asserted-by“：”crossref“，”unstructured“：”T.Maciejewski，j.Stefanowski，SMOTE用于挖掘不平衡数据的本地邻域扩展，收录于：2011 IEEE计算智能与数据挖掘研讨会，CIDM，2011。“，”doi“：”101109\/CIDM.2011.5949434“}”，{doi断言由“：”crossref“，”first page“：”245“，”doi“：”10.1007\\s10115-011-0465-6“，”文章标题“：”SMOTE-RSB*：一种基于过采样和欠采样的混合预处理方法，用于使用SMOTE和粗糙集理论的高度不平衡数据集（文章）“，”作者“：”Ramentol“，”年份“：”2012“，”期刊标题“：”Knowl“。信息系统。“}，{”key“：”10.1016\/j.asoc.2023.110986_b17“，”doi-asserted-by“：”crossref“，”unstructured“：”H.Ma，L.L.Wang，B.Shen，一种新的用于类不平衡学习的模糊支持向量机，in：国际电气控制工程会议，2011年doi-asserted-by“：”crossref“，”first page“：”753“，”doi“：”10.1007\/978-981-15-5971-6_79“，”article-title“：”对不平衡数据集的成本敏感学习方法的研究“，”author“：”Rout“，“year”：“2021”，“journal-title”：“Smart Innov”。系统。Technol公司。“｝，｛”key“：”10.1016\/j.asoc.2023.110986_b19“，”doi断言者“：”crossref“，”首页“：”2328“，”doi“：”10.1007\/s10489-019-01624-z“，”文章标题“：”不平衡类的成本敏感层次分类“，”作者“：”Zheng“，”年份“：”2020“，”期刊标题“：”Appl.Intell.“｝，｛”key“：”10.1016\/j.asoc.2023.110986_b20“，”doi断言者“：”crossref“，”首页“：”1093“，”DOI“：”10.1016\/j.mcm.2010.11.040“，”article-title“：”学习基于加权最大边缘准则的SVM分类不平衡数据“，”author“：”Zhao“，”year“：”2011“，”journal-title”：“Math。计算。建模“}，{“key”：“10.1016\/j.asoc.2023.110986_b21”，“doi-asserted-by”：“crossref”，“unstructured”：“j.Dai，H.Liu，Q.Zhang，《非平衡数据的一类支持向量机主动学习方法》，载于：2020年网络支持分布式计算与知识发现国际会议，CyberC，2020年。”，“doi”：“10.1109\/CyberC49757.2020.0057“}，{”key“：”10.1016\/j.asoc.2023.110986_b22“，”doi-asserted-by“：”crossref“，”first page“：“99”，”doi“：”101016\/j.asoc.2013.07.016“，”article-title“：”Boosted SVM for extracting rules from inbalanced data in application to prediction of the positional life expected in the lung cancer patients”，“author”：“Zi\u0119ba“，”年份“：”2014“，”期刊标题“：”应用。软计算。“}，{”key“：”10.1016\/j.asoc.2023.110986_b23“，”doi-asserted-by“：”crossref“，”first page“：“68940”，“doi”：“10.1109\/ACCES.2019.2917920”，“article-title”：“高不平衡率数据的基于距离的平衡集合方法（文章）”，“author”：“Chen”，“year”：“2019”，“journal-title“：”IEEE ACCESS“}”，{“key”：“1016\/j.asoc.2020年11月86 _b24“，”doi-asserted-by“：”crossref“，”first page“：”3484“，”doi“：”10.3390\/rs12213484“，“article-title”：“RUESVMs:使用google earth引擎处理土地覆盖制图中类不平衡问题的集合方法”，“author”：“Naboureh”，“year”：“2020”，“journal-title“：”Remote Sens.“}，{“key”：“10.1016\/j.asoc.2023.110986_b25”，“doi-assert-by”：“Crosref”，“首页“：”321“，”DOI“：”10.1613\/jair.953“，”article-title“：”SMOTE：“合成少数人过采样技术”，“author”：“Chawla”，“year”：“2002”，“journal-title”：“J.Artificial Intelligence Res.”}，{“key”：“10.1016\/J.asoc.2023.110986_b26”，“首页”：“475”，“article-title”安全级别-SMOTE：处理类不平衡问题的安全级别合成少数人过抽样技术”，“作者”：“Bunkhumpornpat”，“年份”：“2009年”，“新闻标题”：“计算机课堂笔记”。科学。（包括子系列《人工智能讲义》和《生物信息学讲义》）“}”，{“key”：“10.1016\/j.asoc.2023.110986_b27”，“doi-asserted-by”：“crossref”，“first-page”：“878”，“doi”：“101007\/11538059_91”，“article-title”：“Borderline-SMOTE：不平衡数据集学习中的一种新过采样方法”，“author”：“Han”，《年份》：“2005”，“journal-title“：”计算机课堂笔记。科学。“}，{”key“：”10.1016\/j.asoc.2023.110986_b28“，”unstructured“：”H.He，Y.Bai，E.Garcia，S.Li，ADASYN:非平衡学习的自适应合成抽样方法，in：2008 IEEE国际神经网络联合会议，2008，pp.1322\u20131328.“}”，{10.1016\/j.ins.2018.06.056“，“article-title”：“通过基于k-means和SMOTE的启发式过采样方法改善不平衡学习”，“author”：“Douzas”，“year”：“2018”，“journal-tittle”：“Inform”。科学。“}，{”key“：”10.1016\/j.asoc.2023.110986_b30“，”doi-asserted-by“：”crossref“，”first page“：“405”，“doi”：“10.1109\/TKDE.2012.232”，“article-title”：“MWMOTE\u2013用于非平衡数据集学习的多数加权少数过采样技术。”，“author”：“Barua”，“year”：“2014”，“journal-title“：”IEEE Trans.Knowl.data Eng.“}”，{“key”：“”10.1016\/j.asoc.2023.110986_b31“，”doi-asserted-by“：”crossref“，”first page“：”49“，”doi“：”10.1016\/j.jbi.2015.09.012“，”article-title“：”一种新的基于聚类的过采样方法，用于改善肝细胞癌患者的生存预测“，”author“：”Santos“，”year“：”2015“，”journal-title”：“j.Biomed。通知。“}，{”key“：”10.1016\/j.asoc.2023.110986_b32“，”doi-asserted-by“：”crossref“，”first page“：“70”，“doi”：“10.1016\/j.ins.2022.02.038”，“article-title”：“SMOTE-RkNN:基于SMOTE和反向k近邻的混合重采样方法”，“author”：“Zhang”，“year”：“2022”，“journal-title“：”Inform.Sci.“}”，{“key”：“101016”\/j.asoc.2023.110986_b33“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.eswa.2022.117023“，”article-title“：”通过噪声检测和增强过程的基于SMOTE的新重采样技术“，”author“：”Sa\u011flam“，”year“：”2022“，”journal-title”：“Expert Syst。申请。“}，{”key“：”10.1016\/j.asoc.2023.110986_b34“，”doi-asserted-by“：”crossref“，”doi“：”101016\/j.asoc.2022.108618“，”article-title“：”结合SMOTE和中心偏移因子的不平衡学习方法“，”author“：”Meng“，”year“：”2022“，”journal-title”：“Appl.Soft Compute.”}，”{“key“:”10.1016 \/j-asoc.2023.1 10986_b35“，”首页“：”118“，”文章标题“：”Geometric SMOTE是SMOTE的一种几何增强型替代品”，“作者”：“Douzas”，“年份”：“2019年”，“新闻标题”：“Inf.Sci。Int.J.“}，{”key“：”10.1016\/J.asoc.2023.110986_b36“，”doi-asserted-by“：”crossref“，”first page“：“327”，“doi”：“10.1016\/J.patcog.2017.07.024”，“article-title”：“多类不平衡问题的合成少数过采样技术”，“author”：“Zhu”，“year”：“2017”，“journal-title“：”Pattern Recognit.“}”，{“key”：“1016\/J.asoc.2020年11月10日”86_b37“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.patcog.2021.108511“，”article-title“：”FW-SMOTE:用于不平衡分类的特征加权过采样方法“，”author“：”Maldonado“，”year“：”2022“，”journal-title”：“模式识别”。“｝，｛”key“：”10.1016\/j.asoc.2023.110986_b38“，”doi断言者“：”crossref“，”首页“：”432“，”doi“：”10.1016\/j.neucom.20210.08.886“，”文章标题“：”Approx SMOTE:Apache spark大数据的快速SMOTE“，”作者“：”Juez Gil“，”年份“：”2021“，”期刊标题“：”神经计算“｝，｛”key“：”10.1016\/j.asoc.2023.110986_b39“，”doi断言者“：”交叉引用“，”首页“：”106307“，”DOI“：”10.1109\/ACCESS.2019.2927517“，”article-title“：”机器学习对资金评估预测的对比研究（文章）“，”author“：”Zhang“，”year“：”2019“，”journal-title”：“IEEE ACCESS”}，{“key”：“10.1016\/j.asoc.2023.110986_b40”，“首页”：“1”，“article-title”基于多类支持向量机和决策树的往复式压缩机气阀早期故障诊断模型设计”，“作者”：“余”，“年份”：“2022”，“期刊标题”：“科学”。程序。}，{“key”：“10.1016\/j.asoc.2023.110986_b41”，“非结构化”：“j.Gao，W.Shi，j.Tan，F.Zhong，基于支持向量机的往复泵阀门故障诊断方法，in：IEEE CCECE2002。加拿大电气和计算机工程会议。会议记录（目录号02CH37373），2002年。“}，{”key“：”10.1016\/j.asoc.2023.110986_b42“，”doi-asserted-by“：”crossref“，”first page“：“346”，”doi“：”101016\/j.ins.2017.04.044“，”article-title“：”使用高度不平衡网络流量的基于机器学习的移动恶意软件检测“，”作者：“陈”，“年份”：“2018年”，“新闻标题”：“通知”。科学。“}，{”key“：”10.1016\/j.asoc.2023.110986_b43“，”doi-asserted-by“：”crossref“，”first page“：“982”，“doi”：“10.1109\/TNNLS.2014.2329534”，“article-title”：“离群值检测的一类核fisher准则（文章）”，“author”：“Dufrenois”，“year”：“2015”，“journal-title“：”IEEE Trans.Neural Netw.Learn.Syst.“}”，{“key”：“101016\/j.asoc.2023.110986_b44“，”doi-asserted-by“：”crossref“，”first page“：”391“，”doi“：”10.1134 \/S1061830922050047“，”article-title“：”基于FRA和SMOTE-SVM识别变压器绕组故障类型、位置和程度的新方法“，”author“：”Ezziane“，”year“：”2022“，”journal-title”：“Russian J.Nonstrust”。测试。“}，{”key“：”10.1016\/j.asoc.2023.110986_b45“，”article-title“：”使用新集成技术的非平衡数据学习：Extrapolation-SMOTE SVM bagging“，”author“：”Hooda“，”year“：”2020“，”journal-title”：“Int.j.Grid Distrib.Comput.”}，“key”：“10.1016\\j.asoc.2023.110986 _b46”，“doi-asserted-by”：“crossref”，“doi”：“101155\\2021\/221131 94“，”文章标题“：”使用改进的SMOTE和自适应SVM预测肺癌术后生存率的混合方法”，“作者”：“Shen”，“年份”：“2021”，“期刊标题”：“计算”。数学。Methods Med.“}，{“key”：“10.1016\/j.asoc.2023.110986_b47”，“doi-asserted-by”：“crossref”，“unstructured”：“T.Deepa，M.Punithavali，高维非平衡数据集特征选择的新采样技术和SVM分类，2011年第三届国际电子计算机技术会议，”，“doi”：“10.1109\/ICECTECH.2011.5942028“}，{“key”：“10.1016\/j.asoc.2023.110986_b48”，“doi-asserted-by”：“crossref”，“unstructured”：“C.Zhang，j.Guo，j.Lu，基于SVM的高维分类数据集分类方法研究，载：2017 IEEE第二届网络空间数据科学国际会议，DSC，2017，pp.60\u201367。”，“DOI“：”10.1109\/DSC.2017.63“}，{“key”：“10.1016\/j.asoc.2023.110986_b49”，“DOI-asserted-by”：“crossref”，“first-pages”：“29719”，“DOI”：“101109\/ACCESS.2021.3059298”，“article-title”：“一种基于高维不平衡数据集的制造质量预测的混合特征选择方法RFSTL”，“author”：“Zhou”，“year”：“2021”，“journal-title:”IEEE Access“}，{”key“：”10.1016\/j.asoc.2023.110986_b50“，”doi-asserted-by“：”crossref“，”first page“：“4065”，“doi”：“10.1109\/TNNLS.2017.2751612”，“article-title”：“通过在支持向量机的内核空间中过采样对不平衡数据进行分类”，“author”：“Mathew”，“year”：“2018”，“journal-title“：”IEEE Trans.Neural.Learn.Syst.“}”，{“key”：“”10.1016\/j.asoc.2023.110986_b51“，”doi断言由“：”crossref“，”非结构化“：”j.Mathew，M.Luo，C.Pang，T.Chan，基于内核的不平衡数据集SVM分类SMOTE，在：IECON 2015-第41届Ieee工业电子学会年会，2015，pp.1127\u20131132.“，”doi“：”10.1109\/IECON.205.7392251“}，{“key”：“10.1016\/j.asoc.2023.110986_b52“，”doi-asserted-by“：”crossref“，”first page“：”328“，”doi“：”10.1504\/IJDATS.2019.103755“，”article-title“：”基于情感分析的互联网远程医疗视频评估框架“，”author“：”Arunkumar“，”year“：”2019“，”journal-title”：“国际期刊数据分析”。技术战略。“｝，｛”key“：”10.1016\/j.asoc.2023.110986_b53“，”非结构化“：”V.SharmilaDevi，S.Kannimuthu，G.Safeeq，KCEDAlab EventXtract-IL-FIRE2017:使用支持向量机的事件提取，在：CEUR Workshop Proceedings，2017，p.3。“｝，｛”key“：”10.1016\/j.asoc.2023.110986_b54“，”系列标题“：”乳腺癌生物医学研究中的数据挖掘和机器学习方法”，“author”：“Chellamuthu”，“year”：“2019”}，{“key”：“10.1016\/j.asoc.2023.110986_b55”，“first page”：”255“，“article-title”：“KEEL数据挖掘软件工具：数据集存储库，算法集成和实验分析框架（article）”，“author”Alcal\u00e1-Fedez“，“年份”：“2011年”，“新闻标题”：“J.Mult-有值逻辑软计算。“}，{”key“：”10.1016\/j.asoc.2023.110986_b56“，”doi-asserted-by“：”crossref“，”doi“：”101016\/j.asoc.2023.110415“，”article-title“：”关于课堂不平衡学习技巧的广泛评论“，”author“：”Rezvani“，”year“：”2023“，”journal-title”：“Appl.Soft Compute.”}，”{“key“”：”10.116\/j-asoc.2023.1 10986_bb7“，”“doi-assert-b57”y“：”crossref“，”first page“：”89“，”doi“：”10.1007\/s40305-021-00354-9“，“article-title”：“半监督分类的直觉模糊拉普拉斯双支持向量机”，“author”：“Zhou”，“year”：“2022”，“journal-tittle”：“J.Oper。Res.Soc.China“}，{”key“：”10.1016\/j.asoc.2023.110986_b58“，”doi-asserted-by“：”crossref“，”first page“：“659”，“doi”：“10.1016\/j.ins.2021.07.010”，“article-title”：“使用模糊ART和直觉模糊双支持向量机进行班级不平衡学习”，“author”：“Rezvani”，“year”：“2021”，“journal-title“：”Inform.Sci.“}]，“container-title：”[“应用软件计算“]，”original-title“：[]，”language“：”en“，”link“：[{”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S1568494623010049？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”http://api.elsevier.com/content\/aarticle\/PII:S156 8494623010049？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2024,1,31]]，“date-time”：“2024-01-31T11:28:49Z”，“timestamp”：1706700529000}，“score”：1，“resource”：{primary“：{”URL“https:\\/linkinghub.elsevier.com//retrieve\/pii\/S15684949 623010049“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2024,1]]}，”references-count“：58，”alternative-id“：[”S1568494623010049“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.asoc.2023.110986“，”relationship“：{}，“ISSN”：[“1568-4946”]，“ISSN-type”：[{“value”：“1568-49”，“type”:“print”}]，“subject”：[]，“published”：{“date-parts”：[[2024,1]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，{”value“：”针对不平衡数据分类的自适应SV-Borderline SMOTE-SVM算法“，”name“：”articletite“，”标签“：”article Title“}、{”value“：”Applied Soft Computing“，”name:“journaltle”，“label”：“Journal Title”}，“value”：“https:\/\/doi.org\/101016\/j.asoc.2023.110986”，“name”：“articlelink”，“label“：”CrossRef DOI link to publisher maintained version“}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，}“value”：“\u00a9 2023 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]，“文章编号”：“110986”}