[发明专利]一种基于不平衡数据集的PTM-WKNN分类方法和装置

权利要求书

1.一种基于不平衡数据集的PTM-WKNN分类方法，其特征在于，包括：

获取测试集样本的多个最近邻的训练集样本，分别计算训练集样本最佳局部k值并选择最大的所述训练集样本最佳局部k值作为测试集样本最佳局部k值；

计算所述测试集样本与所述测试集样本最佳局部k值个最近邻所述训练集样本之间的欧式距离，根据所述欧式距离计算所述训练集样本所占的权重，根据所述权重计算正类邻居权重之和以及负类邻居权重之和；

根据所述正类邻居权重之和以及所述负类邻居权重之和生成所述测试集样本的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述计算训练集样本最佳局部k值包括：

设置所述训练集样本最佳局部k值k_i的初始值为1，其中k_i∈[k_min,k_max]且k_i为奇数；

依次验证所述训练集样本最佳局部k值k_i，若k_i取某个k值时，根据所述训练集样本的k个最近邻训练集样本能够为所述训练集样本分类，则将当前的k值赋值给所述训练集样本最佳局部k值k_i。

3.根据权利要求1所述的方法，其特征在于，所述欧式距离dist(x_i,x_j)的计算公式包括：

4.根据权利要求3所述的方法，其特征在于，所述权重W_j的计算公式包括：

5.根据权利要求4所述的方法，其特征在于，所述根据所述正类权重之和以及所述负类权重之和生成所述测试集样本的分类结果，包括：

若所述正类邻居权重之和大于所述负类邻居权重之和，则所述测试集样本为正类；否则，为负类。

6.一种基于不平衡数据集的PTM-WKNN分类装置，其特征在于，包括：

获取模块，用于获取测试集样本的多个最近邻的训练集样本，分别计算训练集样本最佳局部k值并选择最大的所述训练集样本最佳局部k值作为测试集样本最佳局部k值；

计算模块，用于计算所述测试集样本与所述测试集样本最佳局部k值个最近邻所述训练集样本之间的欧式距离，根据所述欧式距离计算所述训练集样本所占的权重，根据所述权重计算正类邻居权重之和以及负类邻居权重之和；

生成模块，用于根据所述正类邻居权重之和以及所述负类邻居权重之和生成所述测试集样本的分类结果。

7.根据权利要求6所述的装置，其特征在于，所述获取模块还用于实现：

设置所述训练集样本最佳局部k值k_i的初始值为1，其中k_i∈[k_min,k_max]且k_i为奇数；

依次验证所述训练集样本最佳局部k值k_i，若k_i取某个k值时，根据所述训练集样本的k个最近邻训练集样本能够为所述训练集样本分类，则将当前的k值赋值给所述训练集样本最佳局部k值k_i。

8.根据权利要求6所述的装置，其特征在于，所述欧式距离dist(x_i,x_j)的计算公式包括：

9.根据权利要求8所述的装置，其特征在于，所述权重W_j的计算公式包括：

10.根据权利要求9所述的装置，其特征在于，所述生成模块还用于实现：若所述正类邻居权重之和大于所述负类邻居权重之和，则所述测试集样本为正类；否则，为负类。