李、钱;李刚;牛文佳;曹亚南;Chang、Liang;谭建龙;郭、李 利用维纳过程过采样促进不平衡数据学习。 （英语） Zbl 1403.68196号 前面。计算。科学。 11，No.5，836-851（2017）. 摘要：从不平衡数据中学习在广泛的应用中是一项具有挑战性的任务，这吸引了机器学习和数据挖掘社区的大量研究工作。作为解决这个问题的自然方法，过采样通过以下方式平衡培训样本复制现有样本或合成新样本。一般来说，合成跑赢大市复制通过提供关于少数民族阶层的更多信息。然而，附加信息需要遵循训练集的相同正态分布，这进一步限制了新样本在预定义的训练集范围内。在本文中，我们介绍了维纳过程过采样将物理现象引入样品合成的技术。WPO在保持正态分布不变的前提下，通过扩展训练集中的属性范围，构造了一个稳健的决策区域。WPO可以以更低的计算复杂度实现令人满意的性能。此外，通过将WPO与集成学习，的WPO支柱该算法优于许多流行的不平衡学习解决方案。 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：非平衡数据学习;过采样;集成学习;维纳过程;AdaBoost公司 软件：BoosTexter公司;SMOTEBoost公司;SMOTE公司;UCI-毫升 PDF格式BibTeX公司 XML格式引用 \textit{Q.Li}等人，前。计算。科学。11，No.5，836--851（2017；Zbl 1403.68196） 全文： 内政部 参考文献： [1] 周振华，刘晓英。用解决班级不平衡问题的方法训练成本敏感型神经网络。IEEE知识与数据工程汇刊，2006，18（1）：63-77·doi:10.1109/TKDE.2006.17 [2] 刘晓云。；周振华，《班级不平衡对成本敏感学习的影响：一项实证研究》，970-974（2006） [3] Yu L，Wang S，Lai K K。开发一个基于svm的集成学习系统，用于与客户关系管理协作进行客户风险识别。中国计算机科学前沿，2010，4（2）：196-203·doi:10.1007/s11704-010-0508-2 [4] 刘娥，赵华，郭峰，梁杰，田杰。基于adaboost分类器的指纹分割。中国计算机科学前沿，2011，5（2）：148-157·doi:10.1007/s11704-011-9134-x [5] Han H，Wang W，Mao B.非平衡数据集中基于adaboost的过采样算法。计算机工程，2007，33（10）：207-209 [6] Chawla N V、Lazarevic A、Hall L O、Bowyer K W.Smoteboost：提高少数群体的预测。计算机科学讲稿，2003，2838:107-119·doi:10.1007/978-3-540-39804-2_12 [7] Mease D，Wyner A J，Buja A.提升了分类树和类概率/分位数估计。机器学习研究杂志，2007，8:409-439·Zbl 1222.68261号 [8] Batista G E，Prati R C，Monard M C。平衡机器学习训练数据的几种方法的行为研究。ACM SIGKDD探索新闻稿，2004，6（1）：20-29·doi:10.145/1007730.1007735 [9] Bunkhumpornpat，C。；Sinapiromsaran，K。；Lursinsap，C.，《安全级别远程：处理类别不平衡问题的安全级别合成少数过采样技术》，475-482（2009）·doi:10.1007/978-3642-01307-243 [10] 查拉，N.V。；鲍耶，K.W。；洛杉矶霍尔。；Kegelmeyer，W.P.，Smote:合成少数人过采样技术，321-357（2002）·兹比尔0994.68128 [11] 袁B，刘伟。面向测量的培训：针对不平衡分类问题的目标方法。计算机科学前沿，2012，6（5）：489-497 [12] Kang，P。；Cho，S.，EUS SVMS：针对数据不平衡问题的欠采样SVM集合，837-846（2006）·doi:10.1007/11893028_93 [13] Japkowicz，N.，《阶级失衡问题：意义和策略》（2000年） [14] Galar M、Fernandez A、Barrenechea E、Bustince H、Herrera F。阶级失衡问题的群体综述：装袋、助推和混合方法。IEEE系统、人与控制论汇刊，2012，42（4）：463-484·doi:10.1109/TSMCC.2011.2161285 [15] 袁，B。；Ma，X.，《采样+重加权：提高adaboost在不平衡数据集上的性能》，1-6（2012） [16] Hida T.Brownian运动。美国施普林格出版社，1980，11（5）：44-113·Zbl 0423.60063号 [17] Dietterich，T.G.，机器学习中的集成方法，1-15（2000） [18] Maloof，M.A.，《学习何时数据集不平衡以及何时成本不相等和未知》（2003年） [19] Chawla N V，Japkowicz N，Kotcz A.编辑：关于从不平衡数据集学习的特刊。ACM SIGKDD探索新闻稿，2004，6（1）：1-6·数字对象标识代码：10.1145/1007730.1007733 [20] Han，H。；Wang，WY；Mao，B.H.，《边界距离：不平衡数据集学习中的一种新的过采样方法》，878-887（2005）·doi:10.1007/11538059_91 [21] 刘晓英，吴杰，周振海。古典学习的探索性欠采样。IEEE系统、人与控制论汇刊，2009，39（2）：539-550·doi:10.1109/TSMCB.2008.2007853 [22] Schapire，R.E.，机器学习的助推方法：概述，149-171（2003）·Zbl 1142.62372号 ·doi:10.1007/978-0-387-21579-2_9 [23] Schapire R E，Singer Y.Boostexter:一个基于boosting的文本分类系统。机器学习，2000，39（2-3）：135-168·兹比尔0951.68561 ·doi:10.1023/A:1007649029923 [24] Li X，Wang L，Sung E.Adaboost与基于svm的组件分类器。人工智能的工程应用，2008，21（5）：785-795·doi:10.1016/j.engappai.2007.07.001 [25] Boyd S，Vandenberghe L.凸优化。剑桥：剑桥大学出版社，2004·Zbl 1058.90049号 ·doi:10.1017/CBO9780511804441 [26] 亚松森A，纽曼D。UCI机器学习库。http://www.ics.uci.edu/mlearn/MLRepository.html, 2007 [27] Breiman L、Friedman J、Stone C J、Olshen R A.分类和回归树。贝尔蒙特：华兹华斯国际集团，1984年·Zbl 0541.62042号 [28] Lewis，D.D.，Naive（Bayes）at 40：信息检索中的独立性假设，4-15（1998）·doi:10.1007/BFb0026666 [29] Keller J M，Gray M R，Givens J A.一种模糊k近邻算法。IEEE系统、人与控制论汇刊，1985（4）：580-585·doi:10.1109/TSMC.1985.6313426 [30] Breiman L.Bagging预测因子。机器学习，1996，24（2）：123-140·Zbl 0858.68080号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。