针对不平衡数据的改进的近邻分类算法

摘要：

针对不平衡数据分类问题,一种基于密度的近邻分类算法(DNN)被提出.它利用核密度估计敏锐地捕捉不平衡数据的局部分布特征,由此产生更好的分类结果.用核密度估计方法估计查询实例的各类别密度,以此对其进行密度定位;将原始数据空间中的点映射到由类别密度和距离信息构成的空间;在这个映射空间中动态地选择近邻并对查询实例进行分类.实验结果表明,DNN算法在15个不平衡数据集上分类性能良好.

关键词：K近邻算法、不平衡数据、分类算法、核密度估计

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金No.61573266

在线出版日期：2020-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：30-38