طبقه بندی داده های نامتعادل با استفاده از فیلتر افراز تکراری مبتنی بر طبقه بند نزدیکترین همسایه فازی شهودی بازه ای– مقدار

طبقه بندی داده های نامتعادل یکی از چالش های به روز یادگیری ماشین است. در این مقاله روشی برای این منظور ارایه می گردد. فیلترافراز تکراری روشی است که پس از رساندن داده ها به وضعیت توازن به وسیله داده های ساختگی، وارد عمل شده و برخی از داده هایی را که برایطبقه بند مشکل ساز هستند به صورت کنترل شده حذف می کند. این فیلتر از یک الگوریتم برای شناسایی داده های بد استفاده می کند وتحت شرایطی آن ها را حذف می کند. ما برای بهبود این فیلتر الگوریتمی را معرفی می کنیم که توسعه ای از k – نزدیک ترین همسایه فازی بااستفاده از مجموعه های فازی شهودی بازه ای–مقدار است. این فیلتر کارایی طبقه بند نهایی را به خوبی ارتقاء داده است.

کلیدواژه ها:

داده های نامتعادل ، طبقه بندی ، فیلتر افراز تکراری ، مجموعه های فازی شهودی بازه ای– مقدار