一种基于改进SMOTE的不平衡数据可靠生成策略

张会娟; 冉鹏; 杨凯; 陈佳; 何申

doi:10.13992/j.cnki.tetas.2025.12.016

Chinese

您当前的位置：

首页 >

文章列表页 >

一种基于改进SMOTE的不平衡数据可靠生成策略

中国移动网络与信息安全专题 | 更新时间：2026-04-20

- 一种基于改进SMOTE的不平衡数据可靠生成策略
- 一种基于改进SMOTE的不平衡数据可靠生成策略
- 电信工程技术与标准化 2025年38卷第12期页码：14-19
- 作者机构：
  
  中国移动通信有限公司研究院
- 作者简介：
- 基金信息：
- DOI：10.13992/j.cnki.tetas.2025.12.016
  中图分类号： TP18
- 纸质出版：2025
- 稿件说明：
移动端阅览
张会娟, 冉鹏, 杨凯, 等. 一种基于改进SMOTE的不平衡数据可靠生成策略[J]. 电信工程技术与标准化, 2025,38(12):14-19.

张会娟, 冉鹏, 杨凯, et al. 一种基于改进SMOTE的不平衡数据可靠生成策略[J]. 2025, 38(12): 14-19.
张会娟, 冉鹏, 杨凯, 等. 一种基于改进SMOTE的不平衡数据可靠生成策略[J]. 电信工程技术与标准化, 2025,38(12):14-19. DOI： 10.13992/j.cnki.tetas.2025.12.016.

张会娟, 冉鹏, 杨凯, et al. 一种基于改进SMOTE的不平衡数据可靠生成策略[J]. 2025, 38(12): 14-19. DOI： 10.13992/j.cnki.tetas.2025.12.016.

摘要

针对AI模型训练中的数据不平衡问题及现有方法存在的信息丢失、过拟合与噪声干扰等局限，本文提出一种基于改进SMOTE的不平衡数据可靠生成策略。该方法首先采用Pielou均匀度指数评估数据集不平衡程度；然后提出一种嵌入有效性评估机制的改进SMOTE，通过抑制数据重叠与噪声以提升生成质量和可靠性；之后利用该指数检验生成样本的均衡性；最后在CICIDS2017入侵检测基准数据集上进行验证，实验表明所提策略生成的样本能显著提升模型综合性能。

Abstract

关键词

Keywords

references

Ayubkhan Sheikh Abdul Hameed,Yap Wun She,Morris Ezra,Rawthar Mumtaj Begam Kasim.A practical intrusion detection system based on denoising autoencoder and LightGBM classifier with improved detection performance[J].Journal of Ambient Intelligence and Humanized Computing,2022.

Zhang Wumei,Zhang Yongzhen.Intrusion Detection Model for Industrial Internet of Things Based on Improved Autoencoder[J].Computational Intelligence and Neuroscience,2022.

IEEE Open Journal of the Computer Society[J].IEEE Software,2021.

Wathiq Laftah Al-Yaseen,Zulaiha Ali Othman,Mohd Zakree Ahmad Nazri.Multi-level hybrid support vector machine and extreme learning machine based on modified K-means for intrusion detection system[J].Expert Systems With Applications,2017.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据