实际上并没有很大的创新点,smote和roughsets都是已有的东西。比较有趣的是,本文中提出了一种比较新颖的所谓利用粗糙集中的下近似关系来进行数据清洗,这个数据清洗的目的就是将smote中生成的质量不高的新样本删除掉。
其定义步骤如下:
用以上公式定义相似度,设定一个阈值,相似度高于阈值则认为属于下近似集,即进入了正域。
相似度公式分析(取极限情况,看看定义的目的在哪)
相似度为0的情况(严格来说是相似矩阵中填入的值,此处以x1,x2为例):
①为0时,离散情况为x1,x2在特征k下的取值不相等,连续情况为二者是特征K下差别or距离最大的两个点。
②wk=0;即特征K不在划分出这个等价类的特征子集中。(特征k无法用于区分x1,x2)
③所有的特征中没有属于B的(即没有属于划分出这个等价类的特征子集中的),都无法区分x1,x2
相似度为1的情况:
n=M;且wk=1, =1 即xi与xj在各个维度或者各个特征下取值都一模一样,即完全相似,所以相似度为1。