《表1 Kittler提出的5种集成规则》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合样本局部密度的非平衡数据集成分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

由于大多数基于SMOTE的过采样方法在计算K近邻后随机选择其中一个近邻进行线性插值，因此合成样本的质量与近邻的选择有很密切的关系。在选择其中一个近邻时可能会丢失由未选择的K-1个近邻所合成的高质量样本。因此，为了最大程度地保留具有价值的合成样本，从而进一步提高分类器的分类性能，本文将基于Bagging的集成学习方法与MOLAD结合，在采样阶段，移除了SMOTE算法中随机选择近邻这一步骤，针对每个少数类样本，根据MOLAD的K近邻计算策略求得并选取所有的K个近邻进行合成样本。因此最终会生成K个平衡的样本集。最后用Kittler等提出的5种集成规则[15]将K个平衡样本集训练得到的分类器集成。Kittler的5种集成规则如表1。