Pure prototype-based evolutionary imbalanced oversampling for small disjuncts

doi:10.1016/j.neucom.2026.133891

Pure prototype-based evolutionary imbalanced oversampling for small disjuncts

2026-05-13

0

PRE

AI

DOI：10.1016/j.neucom.2026.133891

原文链接

原文求助

摘要

En 中文

大多数现有不平衡学习算法主要解决类间不平衡问题，往往忽视了由小分离簇引起的类内不平衡。小分离簇难以识别，且常被从全局视角所忽略。针对此问题，提出了纯原型进化过采样（PPEO）方法。首先，设计了基于原型的混合层次聚类（PHHC）来识别小分离簇。PHHC结合自顶向下的聚类分裂和自底向上的连通图构建，以准确检测大型原型和潜在的小分离簇。其次，为提高小分离簇内生成样本的质量，提出了小规模原型空间确定性过采样（SPSDO）。SPSDO限制过采样以防止侵入多数类，并在理论上证明能提供对原始样本的无偏估计。最后，为平衡全局与局部性能，采用多目标进化算法在所有原型中进行搜索，以确定最优重采样策略。在具有不同不平衡比例和复杂度的数据集上与14种最新算法的实验比较表明，PPEO具有显著优势。对包含复杂小分离簇的数据集进行的可视化和实验进一步验证了PPEO在解决类内不平衡问题上的有效性。

Keyword:

PPEO

small disjuncts

imbalanced learning

oversampling

prototype-based clustering

Pure prototype-based evolutionary imbalanced oversampling for small disjuncts

摘要

期刊

机构

引用论文