基于凝聚式层次聚类的微调筛选过采样方法

来源：计算机应用杂志2025年第7期北京时间：

作者：谷铮, 陈学斌, 张宏扬, 李雨欣

单位：1.华北理工大学 理学院，河北 唐山 063210；2.河北省数据科学与应用重点实验室（华北理工大学），河北 唐山 063210；3.唐山市数据科学重点实验室（华北理工大学），河北 唐山 063210

摘要：针对不平衡数据集分类效果差的问题，提出一种基于凝聚式层次聚类（AHC）的微调筛选过采样方法，该方法可适用于不平衡数据的多分类情况。首先，在不平衡数据集的聚类过程中应用AHC算法，分别聚类多数类与少数类，从而在考虑类别间关系的同时有效避免类重叠问题；其次，为了平衡数据集并保留原始数据的特征，设计一种微调过采样算法；再次，为了提升生成样本的分类准确率，提出一种基于倾向评分匹配的标签倾向评估与筛选方法；最后，通过实验对所提出的方法进行验证，并将该方法与MDO（Mahalanobis Distance-based Over-sampling technique）、AND-SMOTE （Automatic Neighborhood size Determination method for Synthetic Minority Over-sampling TEchnique）和K-means SMOTE这3种方法进行比较。实验结果表明，在Abalone、Contraceptive和Yeast等6个不同的数据集上，所提方法展现出了良好的性能，验证了它的有效性。

关键词：不平衡数据,多分类,过采样,凝聚式层次聚类,标签倾向评估

基金资助：国家自然科学基金资助项目(U20A20179)