供稿部门:公安管理系 发布时间:2026-11-03 10:53:39
近日,郑陈璐副教授以第一作者身份,在Nature子刊《Scientific Reports》发表论文“CHDS: a boundary-oriented oversampling method for imbalanced data based on convex hull and Delaunay triangulation”。
该研究聚焦机器学习分类问题中的类别不平衡问题。这一问题广泛存在于风险识别与预警、事件分类等实际应用中,在公共安全和应急管理等领域具有重要的研究意义和应用价值。研究针对传统过采样方法在少数类样本生成过程中容易引入噪声、影响分类效果等问题,提出了一种基于凸包与Delaunay三角剖分的过采样方法(CHDS)。该方法通过识别关键边界样本、构建安全样本生成区域,提高少数类样本的分类识别效果。研究基于28个公开数据集开展实验,并与15种重采样方法进行比较,结果表明,该方法在多项分类性能指标上表现出明显优势,为解决机器学习中的类别不平衡问题提供了新的方法思路。
该研究具有较强的创新性和前沿性,体现了智库成员在数据挖掘与机器学习领域的持续探索、科研积累与创新突破。
郑陈璐,福建警察学院公安管理系副教授,博士,中国现场统计研究会大数据统计分会理事。主持国家级科研项目1项,省部级科研项目1项,教育部产学合作协同育人项目1项,近五年发表论文12篇,其中以第一作者/通讯作者身份发表SCI、SSCI、EI、CSSCI期刊论文10篇。撰写咨政报告1篇,成果被省委有关部门采纳,指导学生参与省级学科竞赛荣获二等奖。研究方向为数据挖掘、智能风控、网络舆情分析。