[发明专利]基于混合框架的不均衡分类方法、系统、设备和存储介质

权利要求书

1.一种基于混合框架的不均衡分类方法，其特征在于，包括以下步骤：

获取包含有多数类别的训练数据集D_majority和少数类别的训练数据集D_minority的给定初始数据集D；

通过随机欠采样方法来消除初始数据集D中多数类别的数据样本，并生成一个新的多数类别据集，采用D_{majority_reduced}数据集表示减少后的子集；

通过随机过采样方法来增加初始数据集D中少数类别的数据样本，并生成一个新的少数类别据集，采用D_{minority_increased}数据集表示增加后的子集；

将D_{majority_reduced}数据集与D_{majority_reduced}数据集相结合生成新的混合数据集D'，将混合数据集D'通过12个分类器训练集成模型，获取初始数据集的分类结果。

2.根据权利要求1所述的基于混合框架的不均衡分类方法，其特征在于，所述通过随机欠采样方法来消除初始数据集D中多数类别的数据样本，并生成一个新的多数类别据集，采用D_{majority_reduced}数据集表示减少后的子集，包括，

通过随机欠采样从多数类数据集中进行样本选择，并通过预设的类别分布阈值确定样本类别选择的比例；

根据减少多数类别数据集的数量，用较少的内存实现相对快速的数据分类处理过程；

通过不同比例的随机欠采样，分析不均衡网络异常检测数据集对集成分类性能的影响。

3.根据权利要求1所述的基于混合框架的不均衡分类方法，其特征在于，所述通过随机过采样方法来增加初始数据集D中少数类别的数据样本，并生成一个新的少数类数据集，采用D_{minority_increased}数据集表示增加后的子集，包括，

通过随机过采样方法对少数类别的数据样本执行随机复制，进而增加了少数类别样本的数量；

通过随机控制采样比例，平衡少数类别的数据样本之间的定量差异。

4.一种基于混合框架的不均衡分类系统，其特征在于，包括：

初始数据集给定模块，获取包含有多数类别的训练数据集D_majority和少数类别的训练数据集D_minority的给定初始数据集D；

欠采样模块，通过随机欠采样方法来消除初始数据集D中多数类别的数据样本，并生成一个新的多数类别据集，采用D_{majority_reduced}数据集表示减少后的子集；

过采样模块，通过随机过采样方法来增加初始数据集D中少数类别的数据样本，并生成一个新的少数类别据集，采用D_{minority_increased}数据集表示增加后的子集；

模型混合模块，将D_{majority_reduced}数据集与D_{majority_reduced}数据集相结合生成新的混合数据集D'，将混合数据集D'通过12个分类器训练集成模型，获取初始数据集的分类结果。

5.根据权利要求4所述的基于混合框架的不均衡分类系统，其特征在于，所述欠采样模块包括样本减少单元，所述样本减少单元用于：

通过随机欠采样从多数类数据集中进行样本选择，并通过预设的类别分布阈值确定样本类别选择的比例；

根据减少多数类别数据集的数量，用较少的内存实现相对快速的数据分类处理过程；

通过不同比例的随机欠采样，分析不均衡网络异常检测数据集对集成分类性能的影响。

6.根据权利要4所述的基于混合框架的不均衡分类系统，其特征在于，所述过采样模块包括样本增加单元，所述样本增加单元用于：

通过随机过采样方法对少数类别的数据样本执行随机复制，进而增加了少数类别样本的数量；

通过随机控制采样比例，平衡少数类别的数据样本之间的定量差异。