系统工程与电子技术

作者：唐曦(), 李文海, 唐贞豪, 李睿峰, 李根

单位：海军航空大学航空作战勤务学院，山东 烟台 264001

关键词：不平衡数据,条件生成对抗网络,基于密度的带噪声的空间聚类方法,过采样

基金：山东省泰山学者基金(TSTP20221146)资助课题

为改善分类器对不平衡数据的分类精度，提出一种基于密度的带噪声的空间聚类方法（density-based spatial clustering of applications with noise，DBSCAN）和条件生成对抗网络（conditional generative adversarial network，CGAN）的过采样方法。首先，采用DBSCAN对正负类样本分别聚类，结合簇标签重构样本集，并结合安全级别识别和剔除噪声样本，提升数据质量。然后，将新的样本集输入CGAN模型进行训练，针对CGAN中训练不稳定和模式崩塌的问题，引入Wasserstein距离和梯度惩罚项作为损失函数，并结合分类问题对Wasserstein距离做了适应性改造，实现高质量少数类样本生成。最后，采用9个通用不平衡数据集和1个模拟电路实测数据集，在3种典型分类器上将所提方法与5个经典过采样方法进行对比实验。结果表明，所提方法在多数数据集上优于其他过采样算法，尤其在类别不平衡度较高时优势更为突出。所提方法为不平衡数据处理提供了新的思路。

来源：2025年第11期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第11期