基于双阶段生成增强网络模型的不平衡问题
来源：计算机集成制造系统杂志2026年第4期北京时间：
作者：王晓霞, 李雷孝, 林浩
单位：1.内蒙古工业大学数据科学与应用学院2.内蒙古自治区基于大数据的软件服务工程技术研究中心3.天津理工大学计算机科学与工程学院
摘要：为解决工业等场景下不平衡数据对预测模型带来的样本偏斜和性能下降等问题,提出基于迁移学习的双阶段生成增强网络模型。首先,在第一阶段利用启发式算法改进合成少数类过采样技术(SMOTE)优化噪声处理并确定少数类样本的最佳采样率组合。第二阶段在生成对抗网络(GAN)中嵌入自编码器(AE),将编码器作为生成器的一部分,深入提取样本特征,实现更优特征学习。随后,将第一阶段生成的样本输入GAN进行二次生成,从而对样本进行再增强。最后分别在UCI基准数据集和工业交通领域的真实数据集上的实验结果表明,所提方法在精确率、F值和G-m值上指标上均表现出良好效果。在真实数据集上的结果显著优于目前9种流行的不平衡处理方法。
关键词：不平衡数据,双阶段模型,样本增强,合成少数类过采样技术,自编码器,生成对抗网络
基金资助：国家自然科学基金资助项目(62362055);内蒙古自治区重点研发与成果转化计划资助项目(2022YFSJ0013,2023YFHH0052);内蒙古自治区高等学校青年科技英才支持计划资助项目(NJYT22084);内蒙古自然科学基金资助项目(2023MS06008);内蒙古自治区科技成果转化专项资金资助项目(2020CG0073,2021CG0033);内蒙古自治区直属高校科研资助项目(JY20222077,JY20220061,JY20230119,JY20230019)。
