强冰冰，尹 红，王 瑞

（昆明理工大学机电工程学院，云南昆明 650550）

0 引言

在实际生产和生活中，广泛存在数据类分布不均衡现象，单一的传统分类器，如神经网络、SVM 等在处理不平衡数据时，往往倾向于多数类，使得少数类的分类效果较差。而在实际应用场景中，如医学诊断［1］、信用卡欺诈检测［2］等，少数类的正确分类具有重要意义，因此，国内外学者从数据和算法的角度对不平衡数据分类进行了研究。

针对不平衡数据在数据层面的处理，以过采样和欠采样方法为代表，通过调节样本类别的比例以达到类平衡；在算法层面，其思路是基于现有算法进行改进，使其能够更好地区分少数类，主要有单类学习［3-4］、代价敏感学习［5-6］和集成学习等。

在数据层面，过采样方法是通过增加少数类的数量以达到样本均衡。传统的随机过采样，在合成样本时具有较大的随机性和盲目性，容易使模型过拟合，于是Chawla［7］提出SMOTE 过采样技术，有效降低了过拟合的风险；SMOTE虽然简单有效，但同时也存在样本合成质量低、边界模糊和类分布不均匀问题［8-9］。为了解决上述问题，文献［10］提出基于K 均值聚类和SMOTE 相结合的K-means SMOTE过采样方法，提高了样本合成质量，克服了类分布不均匀问题，但寻找超参数的最优值往往依赖于经验；文献［11］基于CNN（Condensed Nearest Neighbor）和Tomek-link，提出了一种改进的过采样方法，可以较好地检测出离群点、噪声和冗余样本；文献［12］根据学习困难程度对少数类使用加权分布，考虑到少数类样本的分布特点，提出自适应的合成少数类样本的ADASYN 采样方法；……