SMOTE_RSB:基于粗糙集理论的SMOTE过采样方法

SMOTE_RSB:基于粗糙集理论的SMOTE过采样方法

算法主体：

SMOTE_RSB算法是SMOTE算法的一种扩展算法，该算法主要分为两个阶段：

1.使用SMOTE算法生成一些少数类样本
2.基于粗糙集理论对生成的少数类样本进行清理

算法的主要步骤：

基于粗糙集理论的SMOTE算法以相似度作为判别依据，可细分为以下五步：

1. 使用SMOTE算法对原数据集进行过采样，得到合成样本SyntheticInstance
2. 将原数据集作为最终的输出数据集ResultSet
3. 对每一个合成样本SytheticInstance（i），计算其与ResultSet中各个样本（j）的相似度SimilarityMatrix（i，j）
4. 若SimilarityMatrix（i，j）均小于相似度阈值SimilarityValue，则认为该合成样本SytheticInstance（i）具有较高的价值，将其加入到输出数据集ResultSet中
5. 将相似度阈值SimilarityValue调高，重复步骤3、4，直到相似度阈值达到某一最终值

相似度SimilarityMatrix（i，j）计算方法：

其中：
n：为样本的属性特征维数
wk：为属性特征加权
M：为认为有价值的属性特征维数
wk的计算方法为:

其中：
B：为有价值的属性特征集合
对于连续特征有：

其中：
Xik，Xjk为相应样本对应的属性特征值
maxAk、minAk为相应属性的最大值和最小值
对于离散特征有：

SMOTE_RSB算法的伪码：