QC-SMOTE: Quality-Controlled SMOTE for Imbalanced Classification
School of Computer Science, University of Nottingham（诺丁汉大学计算机科学学院）
提出QC-SMOTE，通过复合邻域可信度评分评估少数类样本可靠性，并采用IPQ引导的最佳K策略生成合成样本，在30个数据集上取得最优平均AUC-ROC和Macro F1。
2026-06-24 cs.LG
G-SMOTE: A GMM-based synthetic minority oversampling technique for imbalanced learning
College of Information Science and Technology（信息科学技术学院）；Dalian Maritime University（大连海事大学）
不平衡学习是一种重要的分类模型学习算法，在许多应用中得到了广泛的应用。通常，不平衡学习算法可以被划分为两种类型，即，数据级方法和算法级方法。在本文中，重点是开发一个强大的合成少数过采样技术属于数据级方法的保护伞。一方面，我们提出了一种在高维特征空间而不是线性采样空间中生成合成样本的方法。另一方面，在所提出的不平衡学习框架中，高斯混合模型被用来区分少数类实例中的离群值，并过滤掉合成的多数类实例。最后，提出了一种自适应优化方法，对采样过程中的参数进行优化。通过这样做，一个有效性和效率不平衡的学习框架的发展。
2018-10-24 cs.LG stat.ML
Minimum Enclosing Ball Synthetic Minority Oversampling Technique from a Geometric Perspective
本文从几何视角提出MEB-SMOTE方法，通过引入最小包围球构造代表性点并与现有样本插值合成高质量少数类样本，在15个真实不平衡数据集上验证了其分类性能提升效果。
2024-08-07 cs.CG cs.LG
SMOTE-ENC: A novel SMOTE-based method to generate synthetic data for nominal and continuous features
University of Sydney（悉尼大学）
现实世界的数据集严重倾斜，其中一些类的数量明显超过其他类。在这些情况下，机器学习算法在预测这些代表性不足的实例时无法实现实质性的功效。为了解决这个问题，已经提出了许多变体的合成少数过采样方法（SMOTE）来平衡处理连续特征的数据集。然而，对于同时具有标称和连续特征的数据集，SMOTE-NC是唯一基于SMOTE的过采样技术来平衡数据。本文提出了一种新的少数类过采样方法SMOTE-ENC（SMOTE - Encoded Nominal and Continuous），该方法将名词性特征编码为数值，两个数值之差反映了与少数类关联的变化量。我们的实验表明，使用SMOTE-ENC方法的分类模型比使用SMOTE-NC的模型提供更好的预测时，数据集有大量的名义功能，也有一些分类功能和目标类之间的关联。此外，我们提出的方法解决了SMOTE-NC算法的主要局限性之一。SMOTE-NC只能应用于具有由连续和名义特征组成的特征的混合数据集，并且如果数据集的所有特征都是名义特征，则无法运行。我们的新方法已被推广应用于混合数据集和名义上只有数据集。代码可从mkhushi.github.io获得
2021-03-13 cs.AI cs.LG
LoRAS: An oversampling approach for imbalanced datasets
University of Rostock（罗斯托克大学）；Grenoble Alps University（格勒诺布尔阿尔卑斯大学）；Grenoble Institute of Technology（格勒诺布尔理工学院）；Stellenbosch Institute for Advanced Study (STIAS)（斯泰伦博斯高等研究院）；Stellenbosch University（斯泰伦博斯大学）
合成少数过采样技术（SMOTE）被广泛用于不平衡数据集的分析。众所周知，SMOTE经常过度概括少数类，导致对多数类的错误分类，并影响模型的整体平衡。在这篇文章中，我们提出了一种方法，克服了SMOTE的这一限制，采用局部随机仿射阴影采样（LoRAS）从少数类的近似数据流形过采样。我们使用三种不同的机器学习（ML）算法对我们的算法进行了基准测试，并比较了LoRAS，SMOTE和几个SMOTE扩展的性能，这些扩展共享使用少数类数据点的凸组合进行过采样的概念。我们观察到，LoRAS在F1分数和平衡准确性方面平均生成更好的ML模型。另一个关键的观察结果是，虽然我们测试的大多数SMOTE扩展平均提高了SMOTE的F1分数，但它们在分类模型的平衡准确性上妥协了。相反，LoRAS提高了F1得分和平衡准确性，从而产生更好的分类模型。此外，为了解释该算法的成功，我们构建了一个数学框架来证明LoRAS过采样技术提供了一个更好的估计的少数类数据空间的潜在的局部数据分布的平均值。
2020-08-15 cs.LG stat.ML
Do we need rebalancing strategies? A theoretical and empirical study around SMOTE and its variants
Artefact Research Center；CNRS（国家科学研究中心）；LPSM（概率与统计实验室）
本文通过理论分析和实证研究，探讨SMOTE及其变体在处理不平衡数据集中的有效性，发现多数情况下无需再平衡策略即可获得良好预测性能。
2026-03-17 cs.LG stat.ML
Confronting Discrimination in Classification: Smote Based on Marginalized Minorities in the Kernel Space for Imbalanced Data
University of Michigan（密歇根大学）
针对金融欺诈检测中类别不平衡导致主流分类器对少数类“隐性歧视”的问题，提出基于决策边界和样本邻近关系的核空间自适应过采样方法，有效提升了少数类的分类准确率。
2024-02-13 cs.LG
From SMOTE to Mixup for Deep Imbalanced Classification
National Taiwan University（国立台湾大学）
本文揭示 SMOTE 在深度不平衡学习中的局限，通过软标签将其与 Mixup 统一，并提出间隔感知 Mixup，显式形成多数类与少数类间的不均匀间隔，取得最先进性能。
2023-11-03 cs.AI cs.LG
GMOTE: Gaussian based minority oversampling technique for imbalanced classification adapting tail probability of outliers
Hanyang University（汉阳大学）
不平衡数据的分类是当前数据采掘领域中的一个常见问题。不平衡的数据会严重影响标准分类模型的性能。数据级方法主要采用过采样方法来解决这一问题，如合成少数过采样技术（SMOTE）。然而，由于诸如SMOTE的方法通过线性插值生成实例，因此合成数据空间可能看起来像多边形。此外，过采样方法产生少数类的离群值。在本文中，我们提出了基于高斯的少数过采样技术（GMOTE）的统计角度不平衡数据集。为了避免线性插值和考虑离群点，该方法通过高斯混合模型生成实例。受基于聚类的多变量高斯离群值（CMGOS）的启发，我们提出通过马氏距离来调整实例的尾概率以考虑局部离群值。实验是在一组有代表性的基准数据集上进行的。GMOTE的性能与其他方法，如SMOTE进行了比较。当GMOTE与分类回归树（CART）或支持向量机（SVM）相结合时，它表现出更好的准确性和F1得分。实验结果表明，鲁棒性能。
2021-05-09 cs.LG stat.ML
Effective Class-Imbalance learning based on SMOTE and Convolutional Neural Networks
University of Birjand（比尔詹德大学）；Islamic Azad University（伊斯兰阿扎德大学）；Fasa University（法萨大学）；Luleå University of Technology（吕勒奥理工大学）；Dibrugarh University（迪布鲁格尔大学）
不平衡数据（ID）是阻碍机器学习（ML）模型获得满意结果的问题。ID是属于一个类的样本数量远远超过另一个类的样本数量的情况的发生，使得这种模型的学习过程偏向于大多数类。近年来，为了解决这个问题，提出了几种解决方案，其中选择为少数类综合生成新数据，或者减少多数类的数量以平衡数据。因此，在本文中，我们研究了基于深度神经网络（DNN）和卷积神经网络（CNN）的方法的有效性，这些方法混合了各种众所周知的不平衡数据解决方案，意味着过采样和欠采样。为了评估我们的方法，我们使用了KEEL、乳腺癌和Z-Alizadeh Sani数据集。为了获得可靠的结果，我们使用随机混洗的数据分布进行了100次实验。分类结果表明，混合的合成少数过采样技术（SMOTE）-归一化-CNN优于不同的方法，在24个不平衡数据集上达到99.08%的准确率。因此，所提出的混合模型可以应用于其他真实数据集上的不平衡二元分类问题。
2022-10-13 cs.LG
SMOTified-GAN for class imbalanced pattern classification problems
The University of the South Pacific（南太平洋大学）；IIT (BHU) Varanasi（印度理工学院（瓦拉纳西分校））；University of New South Wales（新南威尔士大学）
数据集中的类别不平衡是分类器的一个主要问题，它导致大多数阳性训练数据集的真阳性率（TPR）很高，但真阴性率（TNR）很低。通常采用少数类过采样的预处理技术来克服这一缺陷。我们的重点是使用生成对抗网络（GAN）和合成少数过采样技术（SMOTE）的混合来解决类不平衡问题。我们提出了一种新的两阶段过采样方法，涉及知识转移，具有协同作用的SMOTE和GAN。在少数类数据不足的情况下，GAN将SMOTE中不切实际或过度泛化的样本转化为真实的数据分布。我们将其命名为SMOTified-GAN，因为GAN对SMOTE产生的预采样少数数据进行处理，而不是随机生成样本本身。实验结果表明，在多种测试基准数据集上，少数类的样本质量得到了提高。它的性能提高了9%，从下一个最好的算法测试F1分数测量。它的时间复杂度也是合理的，对于顺序算法来说大约是$O(N^2d^2T)$。
2022-03-27 cs.AI cs.LG
Improving SMOTE via Fusing Conditional VAE for Data-adaptive Noise Filtering
University of Seoul（首尔大学）
本文提出利用条件VAE在潜在空间中量化数据密度并过滤噪声，以改进SMOTE的少数类样本选择与插值，在不平衡分类中超越深度学习模型。
2024-08-26 cs.AI cs.LG
SPARC Segmentation to Prediction via Affine Regression and Counterfactuals
针对B2B电子商务交易倾向预测难题，提出基于DiCE合成数据生成及PyPARC框架的倾向建模框架，通过生成高质量少数类样本和校准倾向概率，提升预测精度，助力高精度营销活动。
2026-07-29 cs.LG
Simplicial SMOTE: Oversampling Solution to the Imbalanced Learning Problem
Sber AI Lab（Sber AI实验室）；HSE University（高等经济大学）
本文提出 Simplicial SMOTE，通过从几何邻域单纯复形的单纯形而非图中边进行采样，生成更贴合数据分布的少数类合成点，实验证明其及扩展算法优于现有几何采样方法。
2025-03-05 cs.AI cs.LG
A Novel Adaptive Minority Oversampling Technique for Improved Classification in Data Imbalanced Scenarios
TCS Research, Tata Consultancy Services Ltd.（塔塔咨询服务有限公司TCS研究院）
不同类别的训练样本比例的不平衡往往会导致传统分类器的性能下降。这主要是由于分类器倾向于偏向不平衡数据集中的大多数类。在本文中，我们提出了一种新的三步技术来解决不平衡的数据。作为第一步，我们显着过采样的少数类分布采用传统的合成少数过采样技术（SMOTE）算法使用的少数类样本的邻域，在下一步中，我们分区生成的样本使用高斯混合模型基于聚类算法。在最后的步骤中，基于与聚类相关联的权重来选择合成数据样本，权重本身由多数类样本的分布来确定。从不同领域的几个标准数据集上的广泛实验表明，所提出的技术与原来的SMOTE和它的国家的最先进的变种算法相比，是有用的。
2021-03-26 cs.AI cs.LG
Another Use of SMOTE for Interpretable Data Collaboration Analysis
University of Tsukuba（筑波大学）
最近，数据协作（DC）分析已经被开发用于跨多个机构的隐私保护集成分析。DC分析集中了单独构造的降维中间表示，并通过协作表示实现集成分析，而无需共享原始数据。为了构建协作表示，每个机构生成并共享可共享的锚数据集，并集中其中间表示。尽管随机锚数据集通常对于DC分析很好地起作用，但是使用其分布接近原始数据集的分布的锚数据集有望提高识别性能，特别是对于可解释的DC分析。基于对合成少数过采样技术（SMOTE）的扩展，提出了一种锚数据构建技术，在不增加数据泄露风险的前提下提高识别性能。数值结果表明，所提出的基于SMOTE的方法的效率在现有的锚数据建设的人工和真实世界的数据集。具体而言，所提出的方法实现了9个百分点和38个百分点的性能改进的准确性和基本特征选择，分别超过现有的方法的收入数据集。该方法提供了另一种使用SMOTE不平衡的数据分类，但隐私保护的集成分析的关键技术。
2022-08-26 cs.LG
Concentration and excess risk bounds for imbalanced classification with synthetic oversampling
Univ Rennes, Ensai, CNRS, CREST—UMR 9194（里昂大学、ENSAI、CNRS、CREST—UMR 9194）；Univ Angers, CNRS, LAREMA, SFR MATHSTIC（昂热大学、CNRS、LAREMA、SFR MATHSTIC）
本文为SMOTE合成过采样方法建立理论框架，推导经验风险与总体风险的一致集中界及核分类器的非参数超额风险保证，为参数调优提供指导并经数值实验验证。
2025-10-23 cs.LG stat.ML
STEM Rebalance: A Novel Approach for Tackling Imbalanced Datasets using SMOTE, Edited Nearest Neighbour, and Mixup
University of Limerick（利默里克大学）
针对医学影像不平衡数据集，提出结合SMOTE-ENN与Mixup的STEM方法，缓解类间与类内不平衡，在乳腺癌数据集上取得高AUC，并适用于集成学习。
2023-11-13 cs.LG
How to train your draGAN: A task oriented solution to imbalanced classification
为小型和不平衡数据集构建有效分类模型的长期挑战自20多年前合成少数过采样技术（SMOTE）创建以来几乎没有改善。虽然基于GAN的模型看起来很有前途，但由于大多数以前的研究都集中在应用已经存在的模型上，因此缺乏用于解决上述问题的专用架构。本文提出了一种独特的，面向性能的，数据生成策略，利用一个新的架构，创造draGAN，产生少数和多数样本。生成样本的目的是优化分类模型的性能，而不是与真实数据的相似性。我们基准我们的方法对国家的最先进的方法从SMOTE家庭和竞争GAN的方法在94个表格数据集具有不同程度的不平衡和线性。我们在实践中展示了draGAN的优越性，但也强调了它的一些缺点。所有代码都可以在https://github.com/LeonGuertler/draGAN上找到。
2022-11-18 cs.LG
Imbalanced Class Data Performance Evaluation and Improvement using Novel Generative Adversarial Network-based Approach: SSG and GBO
University of Oklahoma（俄克拉荷马大学）；Islamic University（伊斯兰大学）
数据集中的类不平衡是一个主要的挑战，它会显著影响机器学习模型的性能，导致有偏见的预测。已经提出了许多技术来解决类不平衡问题，包括但不限于过采样、欠采样和成本敏感方法。由于其生成合成数据的能力，过采样技术（如合成少数过采样技术（SMOTE））是研究人员最广泛使用的方法之一。然而，SMOTE的一个潜在缺点是新创建的次要样本可能与主要样本重叠。作为一种效果，ML模型偏向主要类别的性能的概率增加了。最近，生成对抗网络（GAN）由于其能够创建几乎真实的样本而受到广泛关注。然而，GAN虽然有很大的潜力，但却很难进行训练。本研究提出两种新的技术：基于GAN的过采样（GBO）和支持向量机-SMOTE-GAN（SSG），以克服现有过采样方法的局限性。初步计算结果表明，SSG和GBO在扩展的不平衡八个基准数据集上的性能优于原始SMOTE。该研究还表明，SSG生成的次要样本呈现高斯分布，这通常很难使用原始SMOTE实现。
2022-10-23 cs.LG
BSGAN: A Novel Oversampling Technique for Imbalanced Pattern Recognitions
University of Oklahoma（俄克拉荷马大学）
针对类别不平衡问题中现有边界SMOTE技术导致数据多样性受限的缺陷，提出结合边界SMOTE与生成对抗网络的混合过采样技术BSGAN，在四个高度不平衡数据集上验证其优于现有方法并能生成遵循正态分布的更多样化数据。
2023-05-16 cs.LG
Improved Sampling Techniques for Learning an Imbalanced Data Set
Institute of Computer Science（计算机科学研究所）；University of the Philippines Los Baños（菲律宾大学洛斯巴诺斯分校）
本文介绍了使用stackingC算法在九个不同的数据集建立的分类器的性能。每个数据集都是使用应用于原始不平衡数据集的采样技术生成的。本文提出了五种新的采样技术（即，SMOTERandRep、Lax随机过采样、Lax随机欠采样、Combined-Lax随机过采样欠采样和Combined-Lax随机欠采样过采样），它们基于三种采样技术（即，随机欠采样，随机过采样和合成少数过采样技术）通常用作不平衡学习的解决方案。用于评估分类器性能的指标是F-测量和G-均值。F-measure确定分类器对每个类的性能，而G-mean测量分类器的整体性能。使用F-测度的结果表明，对于没有抽样技术的数据，分类器的性能是好的，只有大多数类。它还表明，在八种采样技术中，RU和LRU的性能最差，而其他技术（即，RO、C-LRUO和C-LROU）仅在某些类别上表现良好。在所有数据集中表现最好的技术是SMOTE，SMOTERandRep，和LRO具有最低的F-测量值在0.5和0.65之间。结果表明，获得最高G均值的过采样技术是LRO（0.86），其次是C-LROU（0.85），然后是SMOTE（0.84），最后是SMOTERandRep（0.83）。结合两个度量（F-测量和G-均值）的结果，只有三种采样技术被认为是良好的表现（即，LRO、SMOTE和SMOTERandRep）。
2016-01-18 cs.LG
Enhancing Machine Learning for Imbalanced Medical Data: A Quantum-Inspired Approach to Synthetic Oversampling (QI-SMOTE)
National Institute of Technology, Hamirpur（国立技术学院，哈米尔普尔）
针对医疗领域机器学习的类别不平衡问题，提出量子启发式合成过采样方法QI-SMOTE，在MIMIC数据集上验证其可提升多类模型性能，增强医疗预测模型的可靠性。
2025-09-02 cs.AI cs.LG
Classification Imbalance as Transfer Learning
Department of Operations Research & Financial Engineering（运营研究与金融工程系）；Princeton University（普林斯顿大学）
本文研究了分类不平衡作为迁移学习的问题，分析了SMOTE与bootstrap在高维情况下的性能差异，指出bootstrap在一般情况下表现更优。
2026-01-15 cs.LG stat.ML
Solving the Class Imbalance Problem Using a Counterfactual Method for Data Augmentation
School of Computer Science, University College Dublin（都柏林大学学院计算机科学学院）；Insight Centre for Data Analytics, University College Dublin（都柏林大学学院洞察数据分析中心）；VistaMilk SFI Research Centre, University College Dublin（都柏林大学学院VistaMilk SFI研究中心）
从类别不平衡的数据集中学习对许多机器学习算法提出了挑战。根据定义，许多现实世界的域都是类不平衡的，因为大多数类自然比少数类拥有更多的实例（例如，真正的银行交易比欺诈交易发生得更频繁）。已经提出了许多方法来解决类不平衡问题，其中最流行的是过采样技术（如SMOTE）。这些方法在少数类中生成合成实例，以平衡数据集，执行数据增强，从而提高预测机器学习（ML）模型的性能。在本文中，我们提出了一种新的数据增强方法（改编自eXplainable AI），在少数类中生成合成的反事实实例。与其他过采样技术不同，该方法自适应地组合数据集中的现有实例，使用实际的特征值，而不是在实例之间插值。使用4个不同的分类器和25个数据集的几个实验报告，这表明这种反事实增强方法（CFA）产生有用的合成数据点的少数类。实验还表明，CFA与许多其他过采样方法，其中许多是SMOTE的变种是有竞争力的。CFAs性能的基础进行了讨论，随着条件下，它可能会在未来的测试中表现得更好或更差。
2021-11-05 cs.AI cs.LG
Augmenting The Weather: A Hybrid Counterfactual-SMOTE Algorithm for Improving Crop Growth Prediction When Climate Changes
College of Computer & Cyber Sciences, University of Prince Mugrin（穆格林王子大学计算机与网络科学学院）；School of Computer Science, University College Dublin（都柏林大学学院计算机科学学院）；Insight Centre for Data Analytics, University College Dublin（都柏林大学学院洞察数据分析中心）；VistaMilk SFI Research Centre, University College Dublin（都柏林大学学院VistaMilk SFI研究中心）
针对气候变化导致的作物生长预测中历史数据分布外异常事件样本不足问题，提出混合反事实-SMOTE（CFA-SMOTE）数据增强方法，通过生成气候异常合成样本提升预测性能，并在爱尔兰农场牧草生长预测任务中验证了效果。
2025-11-14 cs.AI cs.LG
DeepSMOTE: Fusing Deep Learning and SMOTE for Imbalanced Data
University of Notre Dame（圣母大学）；Virginia Commonwealth University（弗吉尼亚联邦大学）
尽管经过二十多年的发展，不平衡的数据仍然被认为是当代机器学习模型的重大挑战。深度学习的现代进步放大了数据不平衡问题的重要性。解决此问题的两种主要方法是基于损失函数修改和实例恢复。实例采样通常基于生成对抗网络（GANs），其可能遭受模式坍塌。因此，需要一种过采样方法，该方法专门针对深度学习模型定制，可以在原始图像上工作，同时保留其属性，并且能够生成高质量的人工图像，可以增强少数类别并平衡训练集。我们提出了DeepSMOTE -一种用于深度学习模型的新型过采样算法。它很简单，但在设计上很有效。它由三个主要部分组成：（i）编码器/解码器框架;（ii）基于SMOTE的过采样;以及（iii）用惩罚项增强的专用损失函数。与基于GAN的过采样相比，DeepSMOTE的一个重要优势是，DeepSMOTE不需要图像处理器，它可以生成高质量的人工图像，这些图像信息丰富，适合视觉检查。DeepSMOTE代码可在https://github.com/dd1github/DeepSMOTE上公开获取
2021-05-05 cs.CV cs.LG
SMOTE-DP: Improving Privacy-Utility Tradeoff with Synthetic Data
University of Texas at Dallas Richardson, TX 75082（德克萨斯大学达拉斯分校）；Vanderbilt University Medical Center Nashville, TN 37232（范德比尔特大学医学中心）；Virginia Tech Blacksburg, VA 24061（弗吉尼亚理工大学）
本文提出 SMOTE-DP 方法，将 SMOTE 与差分隐私数据生成器结合，在保证强隐私保护的同时维持下游学习任务的效用。
2025-06-02 cs.CR cs.LG stat.ML
Mitigating Health Data Poverty: Generative Approaches versus Resampling for Time-series Clinical Data
Fondazione Bruno Kessler Research Institute（布鲁诺·凯斯勒基金会研究院）；University of Trento（特伦托大学）；University of Manchester（曼彻斯特大学）
已经开发了几种方法来减轻由于健康数据贫乏而产生的算法偏见，其中少数群体在训练数据集中代表性不足。由于算法的简单性，使用RESTRUCTURE（如SMOTE）来增加少数类是一种广泛使用的方法。然而，这些算法降低了数据的可变性，并可能引入样本之间的相关性，从而导致使用基于GAN的生成方法。生成高维的、时间序列的、真实的数据，提供真实数据的广泛分布覆盖，对于基于RESISTANCE和GAN的方法来说仍然是一项具有挑战性的任务。在这项工作中，我们提出了CA-GAN架构，解决了当前方法的一些缺点，我们使用3343名白人和黑人患者的高维时间序列真实数据集，与SMOTE和WGAN-GP* 进行了详细的比较。我们表明，我们的方法更好地生成少数类的真实数据，并保持在真实数据的原始分布范围内。
2022-10-26 cs.CY cs.LG stat.ML
Improving IoT Intrusion Detection Through SMOTE-Based Oversampling and Extended Multi-Model Evaluation on Side-Channel Power Data
School of Electrical Engineering and Computer Science (SEECS), NUST（电气工程与计算机科学学院（SEECS），努斯兰大学）
针对物联网侧信道数据集中的严重类别不平衡问题，采用SMOTE过采样平衡数据，并评估八种机器学习模型，其中随机森林和极端随机树在F1分数上超越基线方法，同时揭示了宏观F1指标的重要性。
2026-05-29 cs.AI cs.CR cs.LG
Imputing Missing Observations with Time Sliced Synthetic Minority Oversampling Technique
Institute for Systems Biology（系统生物学研究所）
我们提出了一种简单而新颖的时间序列插补技术，其目标是构建一个不规则的时间序列，在数据集中的每个样本都是均匀的。具体来说，我们固定了一个由观察时间的非重叠箱（称为“切片”）的中点定义的网格，并确保每个样本在给定时间具有所有特征的值。这允许一个既填补完全缺失的观察，以允许统一的时间序列分类在整个数据，并在特殊情况下，填补个别缺失的功能。要做到这一点，我们稍微概括了著名的类不平衡算法SMOTE \cite{smote}，允许组件明智的最近邻插值，保留相关性时，没有丢失的功能。我们可视化的方法在简化设置的2维非耦合谐振子。接下来，我们使用tSMOTE来训练具有逻辑回归的编码器/解码器长短期记忆（LSTM）模型，以预测和分类不同2D振荡器的不同轨迹。在说明了tSMOTE在此背景下的实用性之后，我们使用相同的架构在插补数据集上训练COVID-19疾病严重程度的临床模型。我们的实验表明，通过允许模型识别更广泛的患者轨迹类别，以及改进聚合分类模型，可以改进标准的平均值和中位数插补技术。
2022-01-14 cs.LG physics.bio-ph q-bio.QM
VIGraph: Generative Self-supervised Learning for Class-Imbalanced Node Classification
Gaoling School of Artificial Intelligence, Renmin University of China（中国人民大学高瓴人工智能学院）；Kuaishou Technology（快手科技）
本文提出生成式自监督学习方法VIGraph，基于变分图自编码器为少数类生成高质量节点，并结合跨视图对比学习、邻接矩阵重建和对齐策略，有效解决类别不平衡节点分类问题。
2024-03-27 cs.AI cs.LG
Improving Predictions on Highly Unbalanced Data Using Open Source Synthetic Data Upsampling
MOSTLY AI
本文通过基准研究评估MOSTLY AI开源Synthetic Data SDK对高度不平衡表格数据进行合成上采样的效果，证明其优于朴素过采样和SMOTE-NC，能显著提升少数类预测准确性。
2025-07-22 cs.LG
Advanced Payment Security System:XGBoost, LightGBM and SMOTE Integrated
Northeastern University（东北大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；University of Chicago（芝加哥大学）；University of Michigan, Ann Arbor（密歇根大学安娜堡分校）
本文针对在线支付交易欺诈问题，提出集成XGBoost、LightGBM与SMOTE的支付安全保护模型，通过特征选择与局部集成策略，相比传统模型提升近6%，显著增强了欺诈检测性能。
2024-11-12 cs.AI cs.CR cs.LG
Survival Prediction from Imbalance colorectal cancer dataset using hybrid sampling methods and tree-based classifiers
K. N. Toosi University of Technology（科努图西理工大学）
针对结直肠癌临床数据不平衡问题，提出混合采样流水线与树类分类器结合，显著提升少数类生存预测灵敏度。
2023-09-04 cs.LG
Learning Majority-to-Minority Transformations with MMD and Triplet Loss for Imbalanced Classification
Suman Cha；Hyunjoong Kim
提出一种通过最小化MMD和引入三元组损失正则化器，将多数类样本映射为少数类样本的过采样框架，有效提升了不平衡分类任务的性能。
2025-09-15 cs.LG stat.ML
Efficient Hybrid Oversampling and Intelligent Undersampling for Imbalanced Big Data Classification
Universidad de los Andes（洛斯安第斯大学）；Facultad de Ingeniería y Ciencias Aplicadas（工程与应用科学学院）；Instituto Sistemas Complejos de Ingeniería (ISCI)（工程复杂系统研究所）；School of Economics and Business（经济与商业学院）；University of Chile（智利大学）
针对大数据时代不平衡分类的预测偏倚问题，提出基于MapReduce框架的SMOTENN混合重采样方法，单次遍历同步完成智能欠采样与过采样，搭配高效少数类邻域实现，在多规模数据集上性能更优、运行更快。
2023-10-09 cs.LG
Conditional Wasserstein GAN-based Oversampling of Tabular Data for Imbalanced Learning
类不平衡是监督学习中的一个常见问题，它影响了分类模型的预测性能。流行的对策包括对少数族裔进行过度抽样。像SMOTE这样的标准方法依赖于寻找最近邻和线性插值，这在高维复杂数据分布的情况下是有问题的。生成对抗网络（GANs）已被提出作为生成人工少数样本的替代方法，因为它们可以对复杂分布进行建模。然而，先前对基于GAN的过采样的研究并没有结合文献中关于使用GANs生成现实表格数据的最新进展。以前的研究也集中在数值变量，而分类功能是常见的许多商业应用的分类方法，如信用评分。该文提出了一种基于条件Wasserstein GAN的过采样方法，该方法能够有效地对包含数值和分类变量的表格数据集进行建模，并通过辅助分类器损失来关注下游分类任务。我们对我们的方法进行基准测试，对标准的过采样方法和七个真实世界的数据集上的不平衡基线。实证结果证明了基于GAN的过采样的竞争力。
2020-08-20 cs.LG
Data Balancing Strategies: A Systematic Survey of Resampling and Augmentation Methods
Department of Mathematics and Computer Science（数学与计算机科学系）；Amirkabir University of Technology (Tehran Polytechnic)（阿美尔卡比大学（德黑兰理工大学））；Iran（伊朗）
本文系统回顾了数据平衡方法，涵盖重采样、增强、欠采样及混合策略，分析其适用场景与优劣，指出无一方法普适，需根据数据特征和模型选择优化。
2026-07-21 cs.AI cs.LG stat.ML
Harnessing Mixed Features for Imbalance Data Oversampling: Application to Bank Customers Scoring
Artefact Research Center（Artefact研究中心）；Sorbonne Université（索邦大学）；Université Paris Cité（巴黎西岱大学）；Société Générale（法国兴业银行）
本研究提出MGS-GRF过采样方法，利用核密度估计和广义随机森林生成混合特征，解决类别不平衡问题，在银行客户评分中优于SMOTE-NC，保持数据连贯性与关联性并提升预测性能。
2025-03-26 cs.LG
Gamma distribution-based sampling for imbalanced data
Canadian University Dubai（迪拜加拿大大学）；Deloitte（德勤）
不平衡的类分布是包括医疗诊断、欺诈检测等许多领域中的常见问题。它会导致分类算法的偏差，导致少数类数据的性能不佳。在本文中，我们提出了一种新的方法来平衡类分布的数据，通过智能的少数类实例的重新排序。所提出的方法是基于通过伽马分布在现有的少数点的邻域中生成新的少数实例。我们的方法提供了一种自然和连贯的方法来平衡数据。我们进行了全面的数值分析的新的采样技术。实验结果表明，该方法优于现有的国家的最先进的方法不平衡的数据。具体来说，新的采样技术在24个真实生活和合成数据集中的12个上产生了最好的结果。相比之下，SMOTE方法仅在1个数据集上获得最高分。我们的结论是，新技术提供了一个简单而有效的采样方法来平衡数据。
2020-09-22 cs.LG stat.ML
Enhancement Encoding: A Novel Imbalanced Classification Approach via Encoding the Training Labels
School of Information Science and Engineering（信息科学与工程学院）；Shandong University（山东大学）
类不平衡，也称为长尾分布，是基于机器学习的分类任务中常见的问题。如果发生这种情况，少数数据将被大多数数据淹没，这对数据科学提出了相当大的挑战。为了解决类不平衡问题，研究人员提出了很多方法：一些人使数据集平衡（SMOTE），一些人改进损失函数（Focal Loss），甚至有人注意到标签的值影响类不平衡学习（Yang和Xu）。重新思考标签对改善班级不平衡学习的价值。在NeurIPS 2020中），但还没有人改变对数据标签进行编码的方式。目前，最流行的标签编码技术是独热编码，因为它在一般情况下具有良好的性能。然而，对于不平衡的数据，它不是一个好的选择，因为分类器将平等地对待多数和少数样本。本文创新性地提出了针对非平衡分类的增强编码技术。增强编码结合了重加权和成本敏感性，可以反映硬类和易类（或少数类和多数类）之间的差异。为了减少验证样本的数量和计算成本，我们还将混淆矩阵替换为一种新的软混淆矩阵，该矩阵在较小的验证集下效果更好。在实验中，我们评估了增强编码与三种不同类型的损失。结果表明，增强编码对提高非平衡数据训练网络的性能是非常有效的。特别是在少数民族班级的表现更好。
2023-03-28 cs.LG
Minority Class Oversampling for Tabular Data with Deep Generative Models
University of Luxembourg（卢森堡大学）；Delft University of Technology（代尔夫特理工大学）
在实践中，机器学习专家经常面临不平衡的数据。如果不考虑这种不平衡，常见的分类器表现不佳，标准的评估指标误导了从业者对模型性能的看法。处理不平衡数据集的一种常见方法是欠采样和过采样。在这个过程中，样本要么从多数类中删除，要么将合成样本添加到少数类中。在本文中，我们将跟踪深度学习的最新发展。我们提出了深度生成模型的建议，包括我们自己的模型，并研究了这些方法提供真实样本的能力，这些样本通过过采样来提高不平衡分类任务的性能。在160K+的实验中，我们表明，所有的新方法往往比简单的基线方法（如SMOTE）表现更好，但需要不同的过采样率和欠采样率。我们的实验表明，采样方式的方法并不影响质量，但运行时间相差很大。我们还观察到，在性能指标方面的改进，虽然在对方法进行排名时显示出显着性，但在绝对值方面往往是次要的，特别是与所需的努力相比。此外，我们注意到，很大一部分改进是由于欠采样，而不是过采样。我们提供代码和测试框架。
2020-07-20 cs.LG stat.ML
The Hidden Cost of Resampling: How Imbalance Correction Degrades Probability Calibration in Tree Ensembles
研究SMOTE和随机欠采样对树集成模型概率校准的影响，发现SMOTE校准成本小但欠采样损害严重，后验重校准可有效修复。
2026-06-29 cs.CL cs.LG
Data-Optimized Contingency Screening: A Machine Learning Approach to Power System Security
Federal University of Agriculture（联邦农业大学）
本研究针对电力系统安全问题，采用机器学习算法结合SMOTE、PCA等预处理技术，在IEEE-14和IEEE-30系统上评估KNN、RF、SVM的性能，发现RF表现最优，PCA对模型性能的贡献大于SMOTE，为电力系统实时安全评估提供了新方法。
2026-09-07 cs.AI cs.LG
An Empirical Evaluation of the t-SNE Algorithm for Data Visualization in Structural Engineering
University of Massachusetts Lowell（马萨诸塞大学洛厄尔分校）；University of Colorado Boulder（科罗拉多大学博尔德分校）
机器学习中的一个基本任务涉及可视化在高影响力应用领域中出现的高维数据集。当考虑到大量不平衡数据的背景时，这个问题变得更具挑战性。在本文中，t-分布随机邻居嵌入（t-SNE）算法被用来减少地震工程相关的数据集的可视化目的的维数。由于不平衡的数据集极大地影响了分类器的准确性，我们采用合成少数过采样技术（SMOTE）来解决这种数据集的不平衡性质。我们提出了从t-SNE和SMOTE得到的结果，并比较它的基本方法与各个方面。考虑到四个选项和六个分类算法，我们表明，使用t-SNE的不平衡数据和SMOTE的训练数据集，神经网络分类器有前途的结果，而不牺牲准确性。因此，我们可以将研究的科学数据转换为二维（2D）空间，从而使用2D图实现分类器和所得决策表面的可视化。
2021-09-18 cs.CE cs.HC cs.LG
A Novel Double Pruning method for Imbalanced Data using Information Entropy and Roulette Wheel Selection for Breast Cancer Diagnosis
University of Science and Technology Beijing（北京科技大学）；University of Tiaret（提亚雷特大学）；Dublin City University（都柏林城市大学）
本文提出RE-SMOTEBoost，通过轮盘赌选择、信息熵过滤和双重正则化惩罚改进不平衡医疗数据过采样，在乳腺癌诊断中显著提升准确率并降低方差。
2025-03-15 cs.AI cs.IT cs.LG
RoBell-RVFL: A Robust Generalized Bell Random Vector Functional Link Network
Indian Institute of Technology Indore（印度印多尔印度理工学院）
针对类别不平衡与噪声数据问题，提出RoBell-RVFL模型，采用双策略样本级加权机制，在UCI、KEEL数据集及40%标签噪声下表现优于现有RVFL变体。
2026-08-19 cs.LG
Explainable Artificial Intelligence Based Fault Diagnosis and Insight Harvesting for Steel Plates Manufacturing
The Air University（空军大学）
随着工业4.0的到来，数据科学和可解释的人工智能（XAI）在最近的文献中受到了相当大的关注。然而，XAI的入门门槛，在计算机编码和必要的数学仪器方面，真的很高。对于钢板的故障诊断，这项工作报告了将基于XAI的见解融入高精度分类器开发的数据科学过程的方法。使用合成少数过采样技术（SMOTE）和medoids的概念，从XAI工具即Ceteris Peribus配置文件，部分依赖和分解配置文件中获得了见解。此外，还从优化的随机森林和关联规则挖掘中提取了“若-则”规则形式的见解。将所有的见解整合到单个集成分类器中，已经实现了94%的10倍交叉验证性能。总之，这项工作作出了三个主要贡献，即：方法基于利用medoids和SMOTE，收集见解并纳入模型开发过程。其次，见解本身是贡献，因为它们有利于钢铁制造业的人类专家，第三，高精度的故障诊断分类器已经开发。
2020-08-10 cs.AI cs.LG stat.ML
Large Language Models for Imbalanced Classification: Diversity makes the difference
Applied Artificial Intelligence Initiative (A 2 I 2 )（应用人工智能倡议（A2I2））；Deakin University（德肯大学）；Black Dog Institute（黑狗研究所）；University of New South Wales（新南威尔士大学）
提出基于大语言模型的过采样方法，通过条件采样、排列微调和插值样本增强多样性，在10个表格数据集上优于8个基线方法。
2026-06-08 cs.AI cs.LG stat.ML
Theoretical Convergence of SMOTE-Generated Samples
Department of Computational Sciences, Canadian University Dubai（加拿大迪拜大学计算科学系）；Department of Mathematics and Statistics, American University of Sharjah（阿联酋沙迦美国大学数学与统计学系）；Electrical & Computer Engineering Department, University of Alberta（阿尔伯塔大学电气与计算机工程系）
本文理论分析了SMOTE生成样本的收敛性，证明了其在概率和均值上的收敛性质，并通过实验验证了最近邻排名对收敛速度的影响。
2026-01-05 cs.AI cs.LG
Continuous Fair SMOTE -- Fairness-Aware Stream Learning from Imbalanced Data
Machine Learning Group Bielefeld University（比勒菲尔德大学机器学习组）
针对流式学习中类别不平衡与算法偏见并存的问题，提出公平感知预处理方法CFSMOTE，通过过采样时的情境测试与群体平衡同时解决两类问题，在保持性能的同时显著提升了多项群体公平指标。
2025-05-19 cs.AI cs.LG
Evaluation of Machine and Deep Learning Techniques for Cyclone Trajectory Regression and Status Classification by Time Series Data
Walton High School（沃尔顿高中）；Department of Computer Science（计算机科学系）；Kennesaw State University（凯斯韦尔州立大学）
本文提出两阶段机器学习流水线，基于国家飓风中心时间序列数据先回归预测气旋特征，再用RF等模型分类状态，RF经SMOTE和调优后达到93%准确率。
2025-09-29 cs.LG
PCA-Based Missing Information Imputation for Real-Time Crash Likelihood Prediction Under Imbalanced Data
Hong Kong University of Science and Technology（香港科技大学）；Zhejiang University（浙江大学）
实时的【形】的碰撞可能性预测一直是一个重要的研究课题。各种分类器，如支持向量机（SVM）和基于树的提升算法，已被提出在交通安全研究。然而，在实时的【形】碰撞可能性预测中，由于传感器故障或外部干扰等原因，经常会出现数据缺失的情况，但很少有研究关注数据缺失的填补问题。此外，不平衡数据的分类也是实时的【形】碰撞可能性预测中的一个难题，因为很难区分构成大多数观察样本的易碰撞案例和非碰撞案例。在本文中，主成分分析（PCA）为基础的方法，包括LS-PCA，PPCA，VBPCA，用于填补缺失值，而两种解决方案，以解决不平衡数据的问题。结果表明，PPCA和VBPCA不仅在均方根误差（RMSE）方面优于LS-PCA和其他填充方法（包括均值填充和k-means聚类填充），而且有助于分类器获得更好的预测性能。两种解决方案，即，代价敏感学习和合成少数过采样技术（SMOTE），通过调整分类器以更多地关注少数类来帮助提高灵敏度。
2018-02-11 cs.LG stat.ML
