基于数据生成模型的仿真样本点插补方法

He Yulin, Chen Jiaqi, Xu Hepeng,Huang Zhexue, Yin Jianfei

Journal of System Simulation(2023)

Cited 0|Views12
No score
Abstract
为解决插补的仿真样本点与真实样本点概率分布不一致的问题,提出了基于数据生成模型的仿真样本点插补方法.基于高斯混合模型构建真实样本点的数据生成模型,其对应的高斯混合模型构件数通过多模型融合的策略确定;利用在真实样本点上获得的数据生成模型插补所需的仿真样本点,其中数据生成模型的构件以及构件权重用于控制仿真样本点的生成方式.在20个多模多维混合分布上对新方法的可行性和有效性进行了验证,实验结果表明,与随机样本点插补、合成少类过采样技术及其两种最新的变体等4种方法相比,本文方法能够获得更具概率分布一致性的仿真样本点,证实该方法是一种合理的仿真样本点插补方法.
More
Key words
synthetic sample imputation,data generation model,Gaussian mixture model,synthetic minority over-sampling technique,probability distribution consistency
AI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined