论文部分内容阅读
类不平衡现象普遍存在于不同应用领域中，如金融欺诈、网络入侵、垃圾邮件过滤、医学检测，直接采用传统的学习分类算法，分类准确率较低。针对类不平衡情况对分类器的影响，基于传统过采样算法SMOTE（Synthetic Minority Oversampling Technique）算法处理类不平衡的有效性，致力进一步提升SMOTE算法性能，提出一种面向类不平衡数据集分类的改进型SMOTE算法——CPD-SMOTE算法。通过考虑训练集小样本的特征、位置及其周围样本分布，来确定小样本的强相关邻居集，以此作为SMOTE