目录介绍
目录
第1章
基于生成样本分布优化的不平衡分类方法1
1.1引言1
1.2基于多目标进化算法的样本分布优化方法研究1
1.2.1少数类样本过采样2
1.2.2基于多目标进化算法的样本分布优化4
1.3实验与评估8
1.3.1参数设置8
1.3.2公开数据集的结果与分析9
1.3.3智能电表故障数据集的结果与分析14
本章小结16
第2章基于样本空间映射的不平衡分类方法17
2.1引言17
2.2相关理论基础17
2.3基于类别差异约束流模型空间映射的不平衡分类方法19
2.4实验与评估25
2.4.1实验设置25
2.4.2人工数据集的结果与分析26
2.4.3公开数据集的结果与分析32
2.4.4智能电表故障数据集的结果与分析40
本章小结42
第3章面向多类样本特征交叠情况下的不平衡分类方法43
3.1引言43
3.2基于样本迁移和交叠区边界增强的样本生成方法43
3.2.1跨类别样本生成框架44
3.2.2交叠区样本生成技术47
3.3实验与评估48
3.3.1参数设置48
3.3.2公开数据集的结果与分析49
3.3.3智能电表故障数据集的结果与分析54
本章小结56
第4章面向数据多模态分布条件下的不平衡分类方法57
4.1引言57
4.2相关理论基础57
4.2.1VAE和GAN58
4.2.2VAE/GAN和InfoGAN59
4.3样本级数据生成方法59
4.4特征斥力与特征构造63
4.4.1特征斥力64
4.4.2特征构造65
4.5实验与评估65
4.5.1参数设置65
4.5.2公开数据集的结果与分析67
4.5.3智能电表故障数据集的结果与分析74
本章小结77
不平衡分类方法及其应用
｜目录｜
第5章数据分区混合采样驱动模型动态选择的不平衡分类方法78
5.1引言78
5.2区域划分和边界少数类加权过采样方法78
5.3数据分区混合采样和模型动态选择81
5.4DPHSMDS方法的整体描述82
5.5实验与评估84
5.5.1参数设置84
5.5.2公开数据集的结果与分析85
5.5.3智能电网调度控制系统中业务数据的结果与分析99
本章小结100
第6章基于共性信息自适应判别的不平衡分类方法101
6.1引言101
6.2基于共性信息自适应判别的跨类别样本迁移方法101
6.2.1方法提出动机102
6.2.2跨类别样本迁移过程103
6.2.3基于迁移任务的联合判别方法106
6.3实验与评估107
6.3.1实验设置107
6.3.2公开数据集的结果与分析109
6.3.3智能电表故障数据集的结果与分析124
本章小结127
第7章
基于对比学习思想的不平衡分类方法128
7.1引言128
7.2近邻样本对构造方法129
7.3集成对比故障分类框架131
7.4实验与评估134
7.4.1参数设置134
7.4.2公开数据集的结果与分析135
7.4.3智能电表故障数据集的结果与分析141
本章小结144
第8章
构造目标近邻样本对进行多标签置信度比较的不平衡分类方法145
8.1引言145
8.2目标近邻样本对的构造方法及数据扩充方法146
8.3基于多标签置信度比较的不平衡分类方法148
8.4实验与评估151
8.4.1参数设置152
8.4.2公开数据集的结果与分析153
8.4.3智能电表故障数据集的结果与分析162
本章小结165
第9章
基于多近邻相似性差异比较的不平衡分类方法166
9.1引言166
9.2基于多近邻相似性差异的对比分类模型168
9.3针对样本分布的数据扩充方法169
9.4基于生成对抗思想的对比任务可靠性保障机制171
9.5实验与评估172
9.5.1参数设置174
9.5.2公开数据集的结果与分析176
本章小结186
第10章基于元学习和边界增强策略的不平衡分类方法187
10.1引言187
10.2预备知识——元学习187
10.3方法188
10.3.1元学习不平衡分类框架189
10.3.2基于贝叶斯不平衡影响指数的边界增强策略190
10.4实验与评估192
10.4.1数据集和评价指标192
10.4.2参数设置195
10.4.3公开数据集的结果与分析196
10.4.4智能电表故障数据集的结果与分析210
本章小结211
第11章基于一对多框架的不平衡分类方法212
11.1引言212
11.2基于一对多框架的差分分区采样集成方法212
11.3实验与评估215
11.3.1公开数据集的结果与分析215
11.3.2智能电表故障数据集的结果与分析221
本章小结222
参考文献223
附录231