针对缺失不平衡数据的自适应马氏距离双权重过采样方法研究

摘要：

具有缺失信息的不平衡数据,是如今分类问题面临的一个巨大挑战.针对此问题,本文提出一种基于马氏距离的自适应双权重过采样技术(Adaptive Double-weighted Mahalanobis Oversampling Technique,MAWOTE).MAWOTE的主要思想是:(1)考虑到全局特征信息中更大的最优解空间,提出了一种基于小批量梯度下降(Mini-Batch Gradient Descent,MBGD)规则的非负潜在因子矩阵分解方法(Non-negative Latent Factor Matrix Factorizations,NLFs),对缺失信息进行填补,并使其满足原始数据分布;(2)引入马氏距离作为距离度量,统一样本特征量纲;(3)提出一种自适应的双权重分配方法,有效提高了合成少类样本的安全性和可靠性;(4)为了保持样本的原始信息分布,利用k近邻思想进行过采样插值.最后,在6个不同缺失率的公共数据集上进行对比实验,实验结果表明本文提出的方法在处理具有缺失值的不平衡数据集的分类问题时,明显优于其它先进算法.

关键词：分类、不平衡数据、缺失值、潜在因子、马氏距离、双权重、过采样

所属期刊栏目：10

分类号：TP391(计算技术、计算机技术)

资助基金：上海市自然科学基金18ZR1427100

在线出版日期：2021-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：31-37