基于超球体密度聚类的自适应不均衡数据过采样算法

来源：电子与信息学报杂志2025年第7期北京时间：

作者：陶新民, 李俊轩, 郭心悦, 史丽航, 徐安南, 张艳萍

单位：1.东北林业大学土木与交通学院 哈尔滨 1500402.华北电力大学经济与管理学院 北京 1022063.山东省工业大数据与智能制造重点实验室 济南 25000

摘要：不平衡数据分类是机器学习中的常见问题，过采样是解决方案之一。但现有过采样方法在处理复杂不均衡数据集时容易引入噪声样本导致类重叠，且无法有效解决低密度、小析取等子概念引起的类内不平衡问题。为此，该文提出一种基于超球体密度聚类的自适应过采样算法(DCHO)，该算法通过计算少数类样本密度动态确定聚类中心，构建超球体并将超球体内少数类样本归入相应簇，再按照不均衡比调整超球体半径。同时，根据超球体内样本局部密度和半径大小自适应分配过采样权重，进而解决类内不平衡问题。为防止类重叠，过采样过程均在每个超球体内部进行。此外，为进一步增强少数类边界以及探索未知区域，该文还构建一种新的边界偏好随机过采样策略。实验结果表明，所提算法在避免类重叠的同时，强化了低密度子概念的表达，有效解决了类间与类内不平衡问题。

关键词：不均衡数据集, 分类, 过采样, 类内不平衡, 超球体

基金资助：国家自然科学基金(62176050)，山东省自然科学基金(ZR2024QA140)