1 |
谭晓平,苏世杰,黄志平,等。基于SMOTE和随机森林算法的无线传感器网络入侵检测。传感器,2019,19(1):203。
|
2 |
LI C L,LIU S G。Twitter垃圾邮件检测中类不平衡问题的比较研究。并发与计算:实践与经验,2017,30(5):e4281。
|
三 |
李永利,孙国顺,朱永海。文本分类中的数据不平衡问题。程序。第三届信息处理国际研讨会,2010年,301-305。
|
4 |
朱敏,夏杰,金小清,等。处理类不平衡医学数据的类权重随机森林算法。IEEE Access,2018年,第6期,第4641-4652页。
数字对象标识:10.1109/通道2018.2789428
|
5 |
WEI X.类平衡和成本敏感数据集的集合分类方法研究。中国合肥:中国科技大学,2017年。
|
6 |
CHAWLA N V,LAZAREVIC A,HALL L O,et al.SMOTEBoost:改善少数群体在助推中的预测。程序。第七届欧洲数据库知识发现原则与实践会议,2003年,107-119。
|
7 |
FREUND Y.用一种新的boosting算法进行实验。程序。第十三届国际机器学习会议,1996年,148-156。
|
8 |
FAN W,STOLFO S J,ZHANG J.AdaCost:错误分类成本敏感性提升。程序。第六届机器学习国际会议,1997年,97-105。
|
9 |
CHAWLA N V、BOWYER K W、HALL L O等。SMOTE:合成少数人过采样技术。《人工智能研究杂志》,2011,16(1):321-357。
|
10 |
韩浩,王伟英,毛伯海。边界-SMOTE:非平衡数据集学习中的一种新的过采样方法。程序。智能计算进展国际会议,2005年,878-887。
|
11 |
ESTER M,KRIEGEL H P,SANDER J,et al.一种基于密度的算法,用于在带有噪声的大型空间数据库中发现簇。程序。知识发现和数据挖掘国际会议,1996年,226-231。
|
12 |
WASIKOWSKI M.解决小样本数据集中的类不平衡问题。美国堪萨斯州:堪萨斯大学,2009年。
|
13 |
JOSHI M V,KUMAR V,AGARWAL R C.评估提升算法以分类稀有类:比较和改进。程序。IEEE国际数据挖掘会议,2001年,257-264。
|
14 |
吴庚,张爱英。用于不平衡数据集学习的类边界对齐。程序。学习不平衡数据集研讨会,2003年,49-56。
|
15 |
黄克忠,杨海清,金一,等。带偏极小极大概率机的非平衡学习。IEEE传输。《系统、人与控制论》,2006,36(4):913-923。
数字对象标识:10.1109/TSMCB.2006.870610
|
16 |
TOMEK I.CNN的两个修改。IEEE传输。《系统、人与控制论》,1976年,6(11):769-772。
|
17 |
SáEZ J A,LUENGO J,STEFANOWSKI J,等。SMOTE-IPF:用带滤波的重采样方法解决不平衡分类中的噪声和边界示例问题。信息科学,2015,291,184-203。
数字对象标识:10.1016/j.ins.2014.08.051
|
18 |
MA L,FAN S H.CURE-SMOTE算法和基于随机森林的特征选择和参数优化混合算法。BMC生物信息学,2017,18,169。
数字对象标识:10.1186/s12859-017-1578-z
|
19 |
董永杰,王晓华。一种新的过采样方法:用于从不平衡数据集学习的随机-SMOTE。程序。第五届国际知识科学、工程和管理会议,2011年,343-352。
|
20 |
何海斌,贝伊,加西亚E A,等。ADASYN:不平衡学习的自适应合成抽样方法。程序。IEEE计算智能世界大会,2008年,1322-1328。
|
21 |
BUNKHUMPORNPAT C、SINAPIROMSARAN K、LURSINSAP C.DBSMOTE:基于密度的合成少数人过采样技术。应用情报,2012,36(3):664-684。
数字对象标识:10.1007/s10489-011-0287年
|
22 |
UTIéRREZ P D,LASTRA M,BENíTEZ J M,等。SMOTE-GPU:商品硬件大数据预处理,用于不平衡分类。人工智能进展,2017,6(4):347-354。
数字对象标识:2007年10月17日/13748-017-0128-2
|
23 |
ZHOU C S,LIU B,WANG S H.CMO-SMOTE:非平衡学习中面向错误分类成本最小化的合成少数过采样技术。程序。第八届智能人机系统与控制论国际会议,2016年,353-358。
|
24 |
张C,陈寅娥,刘晓华,等。Abstration-SMOTE:一种非平衡数据分类的过采样方法。程序。国际信息技术会议,2017年,17-21。
|
25 |
张毅,张华,张欣,等。基于优化不平衡网络数据的深度学习入侵检测模型。程序。第18届国际通信技术会议,2018年,1128-1132。
|
26 |
姜凯,鲁杰,夏凯。一种基于改进的SMOTE遗传算法的不平衡数据分类新算法。《阿拉伯科学与工程杂志》,2016,41(8):3255-3266。
数字对象标识:2007年10月17日/13369-016-2179-2
|
27 |
PRUSTY M R,JAYANTHI T,VELUSAMY K。加权-SMOTE:钠冷快堆事件分类SMOTE的修改。核能进展,2017,100(9):355-364。
|
28 |
GONG C L,GU L X.一种新的基于SMOTE的在线数据不平衡问题分类方法。工程数学问题,2016,5685970。
|
29 |
XUE W,ZHANG J.处理不平衡数据集:基于改进SMOTE算法的are采样方法。统计中的通信——模拟与计算,2016,45(4):1160-1172。
数字对象标识:10.1080/03610918.2012.728274
|
30 |
SU P H,LIU Y H,SONG X。基于改进的swote和XGBoost的入侵检测方法研究。程序。第八届通信与网络安全国际会议,2018年,37-41。
|
31 |
BHAGAT R C,PATIL S S。使用随机森林对不平衡大数据进行分类的增强SMOTE算法。程序。IEEE国际高级计算会议,2015年,403-408。
|
32 |
DEMIDOVA L,KLYUEVA I.SVM分类:使用SMOTE算法优化类不平衡问题。程序。第六届地中海嵌入式计算会议,2017年1月4日。
|
33 |
JUNSOMBOON N,PHIENTHRAKUL T.针对不平衡数据集结合过采样和欠采样技术。程序。第九届机器学习与计算国际会议,2017年,243-247。
|
34 |
GOSAIN A,SARDANA S.Fartest SMOTE:一种改进的SMOTE方法。程序。数据挖掘计算智能国际会议,2017年,309-320。
|
35 |
SUN J,LANG J,FUJITA H,等。基于DTE-SBD的非平衡企业信用评估:基于SMOTE的决策树集成和不同采样率的装袋。信息科学,2018,425,76-91。
数字对象标识:10.1016/j.ins.2017.1017
|
36 |
HARLIMAN K U R,UCHIDA K。深度神经网络中不平衡数据问题的数据与算法混合方法。国际机器学习与计算杂志,2018,8(3):208-213。
数字对象标识:10.18178/ijmlc.2018.8.3.689
|
37 |
TAY F E H,SHEN L.离散化的改进Chi2算法。IEEE传输。知识与数据工程,2002,14(3):666-670。
数字对象标识:10.1109/TKDE.2002.1000349
|
38 |
BAY S D.UCI KDD存储库。http://kdd.ics.uci.edu。
|