一种基于少数类簇加权的过采样算法

本发明涉及一种基于少数类簇加权的过采样算法。本发明首先对原始数据集中的所有少数类样本进行k‑means聚类，形成多个少数类簇，将少数类样本划为安全点，边界点和噪声点，并将噪声点删除。其次结合采样率计算出每个少数类簇需要合成的少数类样本的数量，然后根据边界点样本和安全点样本的分布情况，分别以不同的方法为边界点样本和安全点样本分布权重。最后根据每个少数类样本点的权重使用改进后的SMOTE算法生成少数类样本，使数据集达到平衡状态；利用UCI数据库中的6组标准版公开数据集进行测试，验证了该方法可以有效降低少数类样本的重叠率，提高分类器对少数类样本的分类精度。本发明更准确分析了数据集原始分布情况，降低了样本间的冗余性，从而提高了分类器的性能。