摘要：针对睡眠分期中样本不平衡问题,提出以最短路径为指标选取最优数据进行数据生成的思想,增加少数类样本的数量。基于Border-SMOTE算法,提出改进的iBorder-SMOTE睡眠数据生成算法。用密度峰值聚类算法确定待生成数据的簇类别区域,采用中心最短路径选取最优数据点进行数据生成,使用异变扰动方法对生成数据进行修正,保证数据的全局分布。在数据集Sleep-EDF上进行验证,其结果表明,改进后的算法有效提高了少数类样本的识别精度。

摘要：为解决粒子群搜索算法局部最优解和收敛效率低的问题,提出一种改进型的粒子群搜索算法(IPSO)。为速度惯性权重引入自适应增益反馈率,提高收敛速度;引入渐变随机扰动,利用局部不确定性,跳出局部最小;利用IPSO对TWSVM的参数实现寻优。4种基准函数对IPSO的搜索性能的分析结果表明,IPSO有着更好的搜索能力和收敛速度,IPSO-TWSVM在不同数据集分类中的收敛速度和分类准确率上均优于其它算法。