發(fā)布時間：2025-03-15 01:06

　　非平衡數(shù)據(jù)集的分類問題是機器學習領域重要的研究課題。一般地,少數(shù)類樣本在數(shù)量上比多數(shù)類樣本少且空間分布不均勻,但信息價值卻高于多數(shù)類。為此,在處理非平衡數(shù)據(jù)集的分類問題時,已有的分類算法是基于樣本空間分布均勻的前提下平衡數(shù)據(jù)集,導致少數(shù)類樣本更易錯分。因此,有效地處理非平衡數(shù)據(jù)集的分類問題是信息化時代的熱點問題。雖然現(xiàn)有算法在類別樣本數(shù)量上做到平衡的基礎上也考慮了數(shù)據(jù)集的空間分布特點,但并無考慮到數(shù)據(jù)集本身的統(tǒng)計特征;同時,在生成新樣本時基本采用隨機生成法,導致新生成的樣本質量較差,從而降低了少數(shù)類的分類精度。針對這兩個問題,本文從數(shù)據(jù)統(tǒng)計特征和提高新樣本的質量兩個角度對非平衡數(shù)據(jù)集進行研究,提出了概率增強算法和均值翻轉算法,并驗證了兩種算法分類的有效性。本文的主要研究內容如下:(1)概率增強算法:該算法先利用GMM獲取高斯型少數(shù)類數(shù)據(jù)集,并通過EM算法獲得了少數(shù)類數(shù)據(jù)集的概率密度函數(shù);然后,根據(jù)高概率密度的樣本優(yōu)先生成新樣本的性質,對少數(shù)類進行過采樣,從而平衡數(shù)據(jù)集。為了提高新生成樣本的質量,本文設計了新的計算方法來避免新樣本出現(xiàn)交叉或者重疊的現(xiàn)象;最后,C4.5決策樹被用來對平衡后的...

【文章頁數(shù)】：58 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
    1.3 論文主要研究內容
    1.4 論文組織結構
2 預備知識概述
    2.1 高斯混合模型(GMM)概述
        2.1.1 高斯混合模型
        2.1.2 GMM協(xié)方差矩陣約束
        2.1.3 GMM階數(shù)的數(shù)量
    2.2 期望最大化(EM)算法
        2.2.1 不完整數(shù)據(jù)的表示
        2.2.2 EM算法初始化
        2.2.3 EM算法的基本原理
    2.3 EM算法應用于GMM
    2.4 決策樹分類器
        2.4.1 熵與條件熵
        2.4.2 信息增益準則
        2.4.3 C4.5決策樹
    2.5 本章小結
3 非平衡數(shù)據(jù)集相關知識
    3.1 非平衡數(shù)據(jù)集的特點
    3.2 非平衡數(shù)據(jù)集的分類策略
    3.3 模型性能評價指標
        3.3.1 ROC曲線
        3.3.2 準確率
        3.3.3 靈敏度
        3.3.4 查準率
        3.3.5 特效性
        3.3.6 F值
    3.4 評價方法
        3.4.1 交叉驗證法
        3.4.2 保持法
    3.5 本章小結
4 一種基于GMM-EM的非平衡數(shù)據(jù)集概率增強算法研究
    4.1 基于GMM-EM的非平衡數(shù)據(jù)集概率增強算法
    4.2 算例分析
        4.2.1 數(shù)據(jù)集的選擇
        4.2.2 參數(shù)估計的結果
        4.2.3 實驗結果
        4.2.4 算法時間復雜度探討
    4.3 本章小結
5 一種基于GMM-EM的非平衡數(shù)據(jù)集均值翻轉算法研究
    5.1 基于GMM-EM的非平衡數(shù)據(jù)集均值翻轉算法
    5.2 算例分析
        5.2.1 數(shù)據(jù)集的選擇
        5.2.2 參數(shù)估計的結果
        5.2.3 實驗結果
        5.2.4 算法時間復雜度探討
    5.3 本章小結
6 結論與展望
    6.1 結論
    6.2 展望
參考文獻
致謝
作者簡歷及攻讀碩士學位期間的科研成果



本文編號：4034909