《表1 实验数据集：面向非平衡多分类问题的二次合成QSMOTE方法》

  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

《面向非平衡多分类问题的二次合成QSMOTE方法》

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

为了验证本文提出的QSMOTE算法的有效性，选取UCI数据集和数字手写集MNIST进行实验，数据集说明如表1所示.实验数据按照训练集∶测试集为4∶1的比例进行划分，按照相同比例在原数据集中重复抽取10次，并对每次划分结果采用10-折交叉验证进行实验，得到对应的最优参数.将QSMOTE方法与两种经典的采样方法SMOTE和Borderline-SMOTE进行比较，分类采用LibSVM工具箱中的SVM分类器进行分类预测，选择RBF核为核函数，通过实验获得不同数据集下的最优参数C和σ.数据合成算法中近邻参数k依次为5，10，15，20；支持度阈值sop依次为0.3，0.5，0.8.