为了进一步消除类间重叠对数据生成的不利影响，增强版本的SMOTE将样本生成过程从原始数据空间迁移到可学习的潜特征空间中。
DA-SMOTE-ED整体由编码网络、DA-SMOTE生成模块以及解码网络三部分构成。DA-SMOTE模块是该方法的核心改进所在，它彻底摒弃了传统SMOTE中服从均匀分布的随机插值因子，设计了一种基于注意力的自适应插值机制。为了使模型能够同时兼顾特征保真度与类别可分性，DA-SMOTE-ED在训练过程中联合优化了重构损失与三元组中心损失。
本文来自作者[大模型研习官]投稿，不代表绮畅科技网立场，如若转载，请注明出处：https://www.lorte.cn/rgzn/202609/1078.html
评论列表（4条）
我是绮畅科技网的签约作者“大模型研习官”！
希望本篇文章《深度注意力赋能，升级版SMOTE算法实现显著增强》能对你有所帮助！
本站[绮畅科技网]内容主要涵盖：教育咨询,知识百科
本文概览：为了进一步消除类间重叠对数据生成的不利影响，增强版本的SMOTE将样本生成过程从原始数据空间迁移到可学习的潜特征空间中。