首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >从Feature-level SMOTE到Deep Attention SMOTE:面向类重叠不平衡时间序列的特征空间过采样方法演进

从Feature-level SMOTE到Deep Attention SMOTE:面向类重叠不平衡时间序列的特征空间过采样方法演进

作者头像
用户7136653
发布于 2026-11-16 22:30:40
发布于 2026-11-16 22:30:40
90
举报
概述
在多维时间序列的异常检测与故障诊断任务中,类别分布不平衡以及早期故障样本与正常样本之间的类间重叠问题,容易使常规重采样与分类模型产生决策偏差或引入噪声样本。针对这一问题,发表于《Expert Systems With Applications》的论文《Feature-level SMOTE: Augmenting fault samples in learnable feature space f

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档