第 28 届 IEEE 计算机与通信研讨会（IEEE ISCC 2023）于 7 月 9 日至 12 日在突尼斯的突尼斯市顺利举行， 实验室在读硕士研究生项志朕受邀参加并以线上形式于会议上做题为 ”How Does Oversampling Affect the Performance of Classification Algorithms?”的论文报告。

IEEE 计算机与通信研讨会（ISCC）始于 1995 年，以应对计算机和通信领域之间日益增长的互动。

在论文中，为了解决不平衡数据集分类的问题，研究探讨了不同的过采样算法和过采样比例对分类算法性能的影响。 两种过采样算法，即随机过采样算法和SMOTE算法，用于将训练数据集的不平衡比调整为999:1、99:1、9:1,3:1和1:1。 作者使用精确度、召回率、AUC 和 F2-Score 等性能指标对卷积神经网络、Vision Transformer、XGBoost 和 CatBoost 等四种分类方法进行了评估。作者进行了 240 多次实验，发现过采样比例对 AUC 和召回率有显著的正面影响，但对精确度有负面影响。 研究还确定了每种分类算法的最佳过采样算法和过采样比例。值得注意的是，本研究中使用的 Vision Transformer 算法在以往的不平衡数据分类研究中从未使用过。