论文部分内容阅读
针对偏斜数据集的分类问题,提出一种改进的少数类样本过抽样算法（B-ISMOTE）。在边界少数类实例及其最近邻实例构成的n维球体空间内进行随机插值,以此产生虚拟少数类实例,减小数据的不均衡程度。在实际数据集上进行实验,结果证明,与SMOTE算法和B-SMOTE算法相比,B-ISMOTE算法具有较优的分类性能。