30、多类不平衡数据预处理与指关节图像身份验证方法

多类不平衡数据预处理与指关节图像身份验证方法

1. 多类不平衡数据预处理算法 SPIDER3

1.1 多类不平衡分类问题挑战

多类不平衡分类问题是一个重大挑战，传统方法在处理这类问题时存在局限性。例如，在一些数据集中，不同类别的样本数量差异巨大，这会导致分类器在训练过程中偏向多数类，而忽略少数类，从而影响整体的分类性能。

1.2 SPIDER3 算法介绍

SPIDER3 是一种用于多类数据集预处理的算法，它可以处理多个类别，本文主要聚焦于少数类、中间类和多数类这三个类别。该算法根据类别的全局相关性对类进行处理，从最不相关的类开始，并利用类对之间的局部关系信息（以误分类成本的形式体现）来更好地控制引入的修改。

1.3 实验评估

SPIDER3 在人工数据的计算实验中进行了评估，并与它的前身 SPIDER2 进行了比较。SPIDER2 仅限于处理二元问题，并且需要对类进行临时聚合。实验结果表明，SPIDER3 在少数类上表现更好，与 k - NN 分类器结合使用时，在中间类上也有更好的表现。而且，它在所有决策类上的性能更加均衡，其真正率的几何平均值也更高。

1.4 性能分析

• 不同方法性能对比 ：在处理困难数据集时，SP3 - costs 通常表现最佳，SP3 - default 通常是第二好的。这一方面证明了误分类成本信息对性能有益，另一方面也表明即使没有这些信息，SPIDER3 也能合理地工作。
• PART - U 性能情况 ：PART - U 的性能没有明