摘要：针对现有不平衡数据过采样方法生成重叠样本、潜在价值不高样本以及过拟合等问题,提出了一种基于数据分布的过采样方法.该方法首先将少数类样本划分成不同子簇,根据样本的空间分布位置识别噪声样本和少数类边界样本,并删除噪声样本;进而将对分类边界决策影响大的少数类边界样本作为种子样本,并结合种子样本所在子簇的稀疏因子及其识别的难易程度确定采样权重;最后在种子样本所在的子簇中生成新样本.为了验证所设计采样方法的有效性,分别使用AdaBoost(adaptive boosting)和SVM(support vector machine)算法对12个数据集进行分类实验,结果表明,与传统的过采样算法相比,所设计的过采样方法在保证了整体分类性能下,提高了不平衡数据中对少数类的分类效果.

摘要：文章针对添加新生单元固定样本纵向调查设计和非平衡面板数据,研究不等比例抽样情形下,两个连续时点间总体比例变动的显著性检验方法。基于两种处理重叠样本的思路和对随机抽样情形下相关研究方法的改进,提出了两种新方法,用来估计不等比例抽样情形下总体比例之差的方差,进而检验总体比例变动的显著性。