基于梯度惩罚生成对抗网络的过采样算法

来源：上海理工大学学报杂志2023年第3期北京时间：

作者：陶家亮，魏国亮，宋燕，窦军，穆伟蒙

单位：上海理工大学 理学院，上海 200093,上海理工大学 管理学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 光电信息与计算机工程学院，上海 200093,上海理工大学 理学院，上海 200093

摘要：在不平衡数据分类问题中，为了更注重学习原始样本的概率密度分布，提出基于梯度惩罚生成对抗网络的过采样算法（OGPG）。该算法首先引入生成对抗网络（GAN），有效地学习原始数据的概率分布；其次，采用梯度惩罚对判别器输入项的梯度二范数进行约束，降低了GAN易出现的过拟合和梯度消失，合理地生成新样本。实验部分，在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法，在评价指标上均有显著提升，并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。

关键词：不平衡数据;过采样算法;概率密度分布;生成对抗网络;梯度惩罚

基金资助：国家自然科学基金资助项目(61873169)；上海市“科技创新行动计划”国内科技合作项目(20015801100)