[发明专利]一种基于改进的SMOTE算法的不平衡数据处理方法

权利要求书

1.一种基于改进的SMOTE算法的不平衡数据处理方法，其特征在于包括以下步骤：

步骤一：利用支持向量机算法对数据集进行初步分类，分离出错误分类的少数类样本，然后遍历错误分类样本中每个样本点，统计选定样本的K个近邻样本中的同类样本的数目K*，若K*为零，则该样本判定为噪声样本，将其删除；

步骤二：利用K-means聚类算法对去除噪声后的少数类样本进行聚类处理，得到少数类样本的中心点x_i，然后求得当前样本点到中心点x_i的欧几里得距离d，并计算所有距离的平均值d_mean，然后生成新样本，使生成的样本数量与原数据集中两类样本之间数量的差值相等后输出数据集；

生成新样本的具体步骤为：

步骤A：将平均距离d_mean与d之间的比例，记做M；

步骤B：统计少数类样本u_i的近邻样本的属性值，即近邻样本中同类样本的数量a，当同类样本的数量a大于近邻样本总数的一半时，则降低新样本生成的倍率，即M，当同类样本的数量a不大于近邻样本总数的一半时，则提高新样本生成的倍率；

步骤C：根据每个少类样本、少数类样本中心、欧式距离d及所有距离的平均值d_mean生成新样本。

2.根据权利要求1所述的一种基于改进的SMOTE算法的不平衡数据处理方法，其特征在于所述步骤C中生成新样本的公式为：

x_new＝u_i+rand(0，M)*(x_i-u_i)

其中，x_new为新生成的样本，u_i为每一个少数类样本，x_i是少数类样本中心，

rand(0，M)是在0到M之间生成的一个随机数。

3.根据权利要求2所述的一种基于改进的SMOTE算法的不平衡数据处理方法，其特征在于所述步骤二中使生成的样本数量与原数据集中两类样本之间数量的差值相等后输出数据集的具体步骤为：当新生成样本数量等于原数据集中两类样本之间数量的差值时，输出此时的数据集，当合成的新样本数量大于差值时，则在新生成的样本中去除新生成的边界样本，直到多数类和少数类的样本数量相等后，输出此时的数据集。

4.根据权利要求1所述的一种基于改进的SMOTE算法的不平衡数据处理方法，其特征在于所述K为5。