.png){kind=icon}
返回
Structure-Based Virtual Sample Generation Using Average-Linkage Clustering for Small Dataset Problems
.png){kind=icon}
PRE
AI
DOI：10.32604/cmc.2025.073177.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
小数据集由于其样本量有限往往具有挑战性。本研究针对这些问题提出了一种创新解决方案：平均连接虚拟样本生成（ALVSG）。ALVSG利用潜在数据结构创建虚拟样本，可用于扩充原始数据集。ALVSG过程包括两个步骤。首先，将平均连接聚类技术应用于数据集以创建树状图。树状图表示数据集的层次结构，每次合并操作被视为一个连接。接下来，将连接组合成基于平均的数据集，作为数据集的新表示。ALVSG过程的第二步涉及使用基于平均的数据集生成虚拟样本。本研究项目通过在给定边界内均匀分布生成一组100个虚拟样本。这些虚拟样本随后被添加到原始数据集中，创建了一个更广泛且泛化性能更优的数据集。通过在两个真实小数据集上进行的重采样实验和t检验验证了ALVSG方法的有效性。实验在三个预测模型上进行：支持向量回归机（SVR）、深度学习模型（DL）和XGBoost。结果表明，ALVSG方法在均方误差（MSE）、均方根误差（RMSE）和平均绝对误差（MAE）方面优于基线方法。
Keyword:
Small datasets
average linkage
virtual sample generation
forecasting
accuracy improvements
期刊
C
IF:
1.7
论文数:
518
被引数:
0