换一批非平衡数据处理方法在癫痫发作检测中的应用
A new processing method of imbalance data and its application on the epileptic seizure detection
摘要非平衡数据集是指数据集中的某类样本数量远大于其他样本的数量.对于此类数据,类分布的不平衡会直接导致很多分类算法的失效.文中基于K-means聚类,Silhouette指标和M-近邻下采样提出一种新的数据平衡方法(K-S-M).该方法首先用K-means算法对多数类样本进行多次聚类并选取最优聚类个数,然后采用M-近邻下采样对聚类后的数据进行采样,将采样后的点最终构成平衡数据,并对得到的平衡数据进行癫痫性发作的自动检测.实验结果表明,文中所提方法可以很好地处理非平衡数据,减少数据信息损失,同时可以提高非平衡数据分类的有效性.
更多相关知识
关键词
非平衡数据集Silhouette指标K-means算法M-近邻下采样癫痫性发作癫痫脑电信号imbalance data setSilhouette indexK-means clustering methodM-neighboring under-samplingepileptic seizureelectroencephalograph (EEG)
分类号
O29
栏目名称
DOI
10.16152/j.cnki.xdxbzr.2016-06-002
发布时间
2017-01-17（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61473223）
陕西省自然科学基础研究计划（2014JM1016）
- 浏览0
- 被引6
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
