[发明专利]一种基于自适应升采样的不平衡数据集分类方法在审
| 申请号： | 201610331709.9 | 申请日： | 2016-05-18 |
| 公开（公告）号： | CN105975992A | 公开（公告）日： | 2016-09-28 |
| 发明（设计）人： | 吕卫;李喆;褚晶辉 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 程毓英 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于自适应升采样的不平衡数据集分类方法，包括以下步骤：根据和计算不平衡数据集的不平衡率，计算需要新生成的正样本总数；以欧氏距离为度量，对于每个正样本，计算概率密度分布；)确定该正样本所需生成的新样本个数；生成新的正样本，将新生成的正样本点加入到原有的不平衡训练集中，使正负样本数目相同，即得到包含正样本和负样本各nn个的新平衡训练集；对新生成的平衡训练集运用Adaboost算法进行训练，迭代T次后得到最终的分类模型。本发明可以提高不平衡数据集的分类性能。 | ||
| 搜索关键词： | 一种 基于 自适应 采样 不平衡 数据 分类 方法 | ||
【主权项】：
一种基于自适应升采样的不平衡数据集分类方法，设原始不平衡数据集中正样本数目为np，负样本数目为nn，该方法包括以下步骤：(1)根据np和nn计算不平衡数据集的不平衡率IR，由IR计算需要新生成的正样本总数G；(2)以欧氏距离为度量，对于每个正样本i，搜索不平衡数据集中同其距离最近的K个最近邻样本，统计上述K个最近邻样本中负样本所占的比例，记为pi，对各个正样本所得到的pi值相加并进行归一化处理，将处理完成后得到的值记为ri，此时各正样本的ri值之和为1，即ri形成概率密度分布，称ri为正样本i的概率；(3)对于每个正样本i，根据正样本总数G值与步骤(2)中得到的概率ri确定该正样本所需生成的新样本个数gi；(4)对于每个正样本i，在步骤(2)中得到的K个最近邻样本中随机选取gi个，分别与其组成样本对，在样本对的连线上随机选取一点即得到新生成的正样本，新的正样本生成过程完成后生成G个新的正样本点，将新生成的G个正样本点加入到原有的不平衡训练集中，使正负样本数目相同，即得到包含正样本和负样本各nn个的新平衡训练集；(5)记Adaboost算法的迭代次数为T，对新生成的平衡训练集运用Adaboost算法进行训练，迭代T次后得到最终的分类模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610331709.9/，转载请声明来源钻瓜专利网。
