张涛
- 作品数：5 被引量：75H指数：4
- 供职机构：西安建筑科技大学信息与控制工程学院更多>>
- 发文基金：国家自然科学基金陕西省教育厅自然科学基金陕西省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 面向不平衡数据集的改进型SMOTE算法被引量：23
- 2014年
- 针对SMOTE(synthetic minority over-sampling technique)在合成少数类新样本时存在的不足,提出了一种改进的SMOTE算法GA-SMOTE。该算法的关键将是遗传算法中的3个基本算子引入到SMOTE中,利用选择算子实现对少数类样本有区别的选择,使用交叉、变异算子实现对合成样本质量的控制。结合GA-SMOTE与SVM(support vector machine)算法来处理不平衡数据的分类问题。UCI数据集上的大量实验表明,GA-SMOTE在新样本的整体合成效果上表现出色,有效提高了SVM在不平衡数据集上的分类性能。
- 王超学张涛马春森
- 关键词：不平衡数据集遗传算子SYNTHETICMINORITYOVER-SAMPLING
- 改进SVM-KNN的不平衡数据分类被引量：20
- 2016年
- 针对支持向量机(SVM)在超平面附近进行不平衡数据(imbalanced datasets)分类的不准确性,提出了一种改进SVM-KNN算法,该算法在分类阶段计算测试样本与最优超平面的距离,如果距离差大于给定阈值可直接应用支持向量机分类;如果距离差小于给定阈值,则将所有支持向量都作为测试样本的近邻样本,进行KNN分类。通过对UCI数据集的大量实验表明,该算法在少数类样本的识别率和分类器的整体性能上有明显改善。
- 王超学张涛马春森
- 关键词：支持向量机K近邻法不平衡数据集
- 基于协同进化基因表达式编程的函数发现研究被引量：1
- 2013年
- 基因表达式编程(GEP)算法是一种具有强大函数发现能力的新型进化算法。GEP在函数发现时如何确定合适的数值常量对算法的性能具有很大影响。提出了一种基于协同进化基因表达式编程的函数发现算法(GEP-DE),该算法的最大改进在于一种新的常量优化方法:在每一代中将函数发现的过程分为两个阶段:第一阶段,由标准GEP算法结合固定常量集确定函数结构;第二阶段,使用差分进化算法(DE)对第一阶段得出的函数结构的常量进行优化。实验结果表明,GEP-DE算法比重要文献中的常量处理方法其效果有较大提升,并且算法的综合性能也优于最新重要文献提出的GEP算法。
- 王超学张星马春森张涛
- 关键词：进化计算函数发现差分进化协同进化
- 改进型加权KNN算法的不平衡数据集分类被引量：24
- 2012年
- K最邻近(KNN)算法对不平衡数据集进行分类时分类判决总会倾向于多数类。为此,提出一种加权KNN算法GAK-KNN。定义新的权重分配模型,综合考虑类间分布不平衡及类内分布不均匀的不良影响,采用基于遗传算法的K-means算法对训练样本集进行聚类,按照权重分配模型计算各训练样本的权重,通过改进的KNN算法对测试样本进行分类。基于UCI数据集的大量实验结果表明,GAK-KNN算法的识别率和整体性能都优于传统KNN算法及其他改进算法。
- 王超学潘正茂马春森董丽丽张涛
- 关键词：不平衡数据集K-MEANS算法
- 基于聚类权重分阶段的SVM解不平衡数据集分类被引量：9
- 2015年
- SVM在处理不平衡数据分类问题(class imbalance problem)时,其分类结果常倾向于多数类。为此,综合考虑类间不平衡和类内不平衡,提出一种基于聚类权重的分阶段支持向量机(WSVM)。预处理时,采用K均值算法得到多数类中各样本的权重。分类时,第一阶段根据权重选出多数类内各簇边界区域的与少数类数目相等的样本;第二阶段对选取的样本和少数类样本进行初始分类;第三阶段用多数类中未选取的样本对初始分类器进行优化调整,当满足停止条件时,得到最终分类器。通过对UCI数据集的大量实验表明,WSVM在少数类样本的识别率和分类器的整体性能上都优于传统分类算法。
- 王超学张涛马春森
- 关键词：不平衡数据集
