杨 鲜，赵计生，强保华*，米路中，彭 博，唐成华，李宝莲

（1.广西图像图形与智能处理重点实验室（桂林电子科技大学），广西桂林 541004；2.北京华电天仁电力控制技术有限公司，北京 100039；3.中国电子科技集团公司第54研究所，石家庄 050081）

（∗通信作者电子邮箱qiangbh@guet.edu.cn）

0 引言

随着风机设备可靠性的不断提高，设备出现故障的概率逐渐变小，导致了风机运行数据集中很大比例都是正常运行的样本数据，而出现故障的样本数据比例非常小，从而使数据集不均衡。不均衡的数据集会对风机部件故障检测［1］的效果产生负面的影响，分类结果往往都会偏向于大类样本。因此在建立分类模型之前，如何对风机数据集进行处理［2-3］，消除由不平衡性带来的负面影响尤为重要。

针对不平衡数据集通常使用抽样方法对其进行改善，常见的解决方法主要有欠采样和过采样两种方式，其核心分别是通过合理地减少大类样本数量和增加小类样本数量，以期获得一个较为平衡的数据集。目前国内外学者对抽样方法的研究主要有:Chawla 等［4］提出在少数类样本之间进行插值产生额外样本的SMOTE（Synthetic Minority Oversampling Technique）算法，该算法可能导致样本之间的重叠，生成一些没有提供有效信息的样本，降低分类性能；Han 等［5］在SMOTE算法基础上进行改进提出BSMOTE（Borderline Synthetic Minority Oversampling Technique），该算法仅对边界上的少数类样本合成新样本，减少了未提供有效信息的样本被合成的可能性，但选择样本时未考虑数据集的时序规律，且未对噪声类样本进行过滤；Bunkhumpornpat 等［6］提出一种根据每个少数类样本安全等级来决定是否过采样的Safe-level SMOTE 算法；……