[发明专利]一种基于扩充训练数据集的类别不平衡问题分类方法在审
| 申请号： | 201810161468.7 | 申请日： | 2018-02-26 |
| 公开（公告）号： | CN108470187A | 公开（公告）日： | 2018-08-31 |
| 发明（设计）人： | 俞彬;王家兵 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于扩充训练数据集的类别不平衡问题分类方法，步骤包括：获取分类任务所需的真实数据集；在真实数据集中筛选出少数类样本，并区分出靠近和远离决策边界的样本；将上述样本作为输入，运行一个生成式对抗网络，得到与真实数据相似的人工样本；将一定数量的人工样本加入到真实数据集中，得到混合数据集；将混合数据集作为输入，使用分类器进行分类任务。本发明结合CycleGAN模型与原始数据集中的边界信息，有效地模拟了真实数据的分布特征。本发明对小样本数据进行过采样，提高了分类器的精度，有效改善了类别不平衡问题对分类任务造成的影响。 | ||
| 搜索关键词： | 真实数据 样本 训练数据集 混合数据 问题分类 分类器 边界信息 分布特征 决策边界 原始数据 过采样 生成式 小样本 有效地 分类 筛选 对抗 网络 | ||
【主权项】：
1.一种基于扩充训练数据集的类别不平衡问题分类方法，其特征在于，包括以下步骤：获取类别不平衡的真实数据集，并筛选出其中的少数类样本；在少数类样本中，区分出靠近决策边界的样本和远离决策边界的样本；将两种少数类样本作为输入，训练一个生成式对抗网络，得到一系列与真实数据集分布相似的人工样本；根据设置的采样率，将一定数量的人工样本加入到真实数据集中，得到混合数据集；将混合数据集作为输入，使用分类器进行分类任务。
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华南理工大学，未经华南理工大学许可，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/201810161468.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种图像特征点的匹配方法及装置
- 下一篇：基于图像分析的交互方法及电子设备
