利用近邻聚类来解决生物工程中不平衡的数据集

科学领域:

• 机器学习 机器学习
• 数据挖掘 数据挖掘
• 模式识别 模式识别

背景情况:

• 不平衡的分类在诸如故障诊断,入侵检测和医学诊断等关键领域普遍存在.
• 获得足够的异常数据用于培训是这些领域的一个重大挑战.
• 现有的方法经常与异常实例固有的数据稀缺性作斗争.

研究的目的:

• 改进一个类近邻 (OCNN) 算法,以改善不平衡的分类.
• 介绍一种新的算法,即基于位置的近邻 (LBNN),用于一类问题.
• 在不平衡的数据集中增强异常标识和参数优化.

主要方法:

• 用K-means with outlier removal (KMOR) 取代了OCNN中的四分位数间范围机制,以进行可靠的异常标识.
• 通过将确定的异常值视为非目标类样本来对待优化算法参数.
• 开发了LBNN算法,该算法使用KMOR集群一类数据,并根据测试数据的最远距离和百分位数计算来确定类成员.

主要成果:

• LBNN算法在各种指标上表现出卓越的性能,包括精度,回忆和G-means.
• 实验验证了该算法在KEEL的八个标准不平衡数据集上.
• 在三个真实世界的医学失衡数据集上成功应用证实了其实际有效性.

结论:

• 精细的OCNN方法,特别是LBNN算法,在处理不平衡的分类问题方面取得了重大进展.
• 对于异常数据稀缺的场景,LBNN提供了强大而有效的解决方案.
• 该算法的性能表明其在关键诊断和检测系统中广泛应用的潜力.