用户7136653
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
原创
关注作者
腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
搜索
搜索
关闭
发布
用户7136653
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
用户7136653
关注
发布于 2026-11-16 22:30:40
发布于 2026-11-16 22:30:40
9
0
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。
人工智能
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