[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