面向不平衡数据集的一种改进的k-近邻分类器

论文摘要

心脏心律失常数据集的心电图（ECG）数据往往存在各心律失常类型下样本数量不平衡问题.针对此问题,提出了一种新的模式识别分类方法,即改进的基于核的差重建的加权k-近邻分类器（modified kernel difference-w eighted k-nearest neighbor classifier,M KDF-WKNN）,通过引入修正因子对含样本数较多的类别进行权值抑制,对含样本数较少的类别进行权值的加大,并使用UCI心脏心律失常数据集对ECG数据进行分类.实验结果表明,提出的算法和其他一些基于KNN的算法如KNN,DS-WKNN,DF-WKNN和KDF-WKNN相比,对于不平衡的心律失常数据集的分类有更好的效果.

论文目录

• 1 相关研究与问题描述
•   1.1 UCI心律失常数据集
•   1.2 基于UCI心律失常数据集的分类器
•   1.3 数据样本的不平衡问题
• 2 改进的基于核的差重建的加权k-近邻分类器
• 3 实验结果与分析
• 4 结论

文章来源

类型: 期刊论文

作者: 刘鹏,杜佳芝,吕伟刚,窦明武

关键词: 心律失常,心电图,模式分类,近邻算法,不平衡数据集

来源: 东北大学学报(自然科学版) 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 仪器仪表工业,自动化技术

单位: 中国海洋大学计算中心,中国海洋大学信息学院,哈尔滨工业大学计算机科学与技术学院,中国海洋大学教育技术系

基金: 山东省自然科学基金资助项目(ZR2017MF051),教育部人文社科基金资助项目(18YJCZH103)

分类号: TP181;TH789

页码: 932-936

总页数: 5

文件大小: 247K

下载量: 260