[发明专利]一种基于聚类的分层最近邻欠采样方法在审
| 申请号： | 201811233719.4 | 申请日： | 2018-10-23 |
| 公开（公告）号： | CN109522936A | 公开（公告）日： | 2019-03-26 |
| 发明（设计）人： | 高欣;梁跃;何杨;刘鑫;井潇;刁新平 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100876 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提出了一种基于聚类的分层最近邻欠采样方法，包括：利用Kmeans聚类算法得到多数类样本的肘图，根据簇数与各个簇畸变程度之和的关系选择最优聚类的簇数k；使用Kmeans聚类算法将多数类样本聚为k簇，从而得到各个簇的中心点及簇内样本点个数；根据每个簇内样本点的数量，进行分层采样，选取每个簇中心点的最近邻与少数类样本合并作为采样结果。本发明实施例提供的技术方案，充分利用了多数类样本的分布特征，较好地保留了多数类样本的有用信息，且能有效提高后续分类算法的分类效果。 | ||
| 搜索关键词： | 样本 最近邻 分层 聚类 欠采样 样本点 中心点 算法 采样结果 分布特征 分类算法 分类效果 关系选择 采样 畸变 合并 保留 | ||
【主权项】：
1.一种基于聚类的分层最近邻欠采样方法，其特征在于，所述方法步骤包括：(1)利用Kmeans聚类算法得到多数类样本的肘图，根据簇数与各个簇畸变程度之和的关系选择最优聚类的簇数k；(2)使用Kmeans聚类算法将多数类样本聚为k簇，从而得到各个簇的中心点及簇内样本点个数；(3)根据每个簇内样本点的数量，进行分层采样，选取每个簇中心点的最近邻与少数类样本合并作为采样结果。
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北京邮电大学，未经北京邮电大学许可，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/201811233719.4/，转载请声明来源钻瓜专利网。
