阿拉什·波哈比；巴尼·马利克。；丁、余 缺少针对不平衡类大小的数据生成分类器。 （英语） Zbl 1351.68227号 J.马赫。学习。物件。 16, 2695-2724 (2015). 摘要：针对训练数据不平衡时的两类分类问题，提出了一种算法。这意味着其中一个类中的训练实例数量太少，以至于传统的分类算法在检测少数类时变得无效。我们对核Fisher判别分析进行了修改，以便在新的算法公式中明确解决问题的不平衡性。新算法利用现有少数数据点的特性来学习其他少数数据点（如果它们确实存在的话）的影响。该算法通过采用学习的属性和条件采样进行迭代，从而为少数集生成足够的人工数据点，从而提高少数类的检测概率。在大量模拟和实际数据集上实施该方法，我们表明，与一组替代的最新非平衡分类算法相比，该方法的性能具有竞争力。 MSC公司： 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分；聚类分析（统计方面） 关键词：核Fisher判别分析；不平衡数据；二级分类 软件：ElemStatLearn（电子状态学习）；STPR工具 PDF格式BibTeX公司 XML格式引用 \textit{A.Pourhabib}等人，J.Mach。学习。第16号决议，2695--2724（2015年；Zbl 1351.68227） 全文： 链接