[发明专利]一种改进的过采样SMOTE算法

摘要

本发明公开了一种改进的过采样SMOTE算法，涉及SMOTE算法技术领域；它的步骤如下：将信用卡欺诈交易使用K均值聚类，得到a个聚类中心，计算每个类中的点到该类中心点的距离p，信用卡数据集样本数据表示为：QUOTE 式中，N为信用卡训练集样本数据,样本个数为QUOTE  ，QUOTE  为信用卡正常交易数据，样本个数为QUOTE  ，QUOTE  为信用卡欺诈交易数据QUOTE  ；本发明采用K均值(K‑means)聚类和SMOTE算法生成新的数据，可以保证样本边界信息，克服样本重叠问题。

主权项

1.一种改进的过采样SMOTE算法，其特征在于：它的步骤如下：将信用卡欺诈交易使用K均值聚类，得到a个聚类中心，计算每个类中的点到该类中心点的距离p，信用卡数据集样本数据表示为：式中，N为信用卡训练集样本数据,样本个数为 QUOTE ， QUOTE 为信用卡正常交易数据，样本个数为 QUOTE ， QUOTE 为信用卡欺诈交易数据 QUOTE ；式中， QUOTE 为欺诈数据第i个类，该类样本数量为 QUOTE ，样本 QUOTE ( QUOTE )到所属类的距离为 QUOTE 且使 QUOTE ， QUOTE 为欺诈样本中不属于任何类的孤立点，样本数量为 QUOTE ；期望训练集中欺诈数据占正常数据的 QUOTE ，则欺诈样本第i个类需要添加数据样本为：SMOTE算法合成新的人工数据，对于某个样本 QUOTE ，首先找到距离其最近的M个最邻近样本，从M个最邻近样本中有放回随机选择 QUOTE 个样本，记为 QUOTE ；式中， QUOTE ， QUOTE 为 QUOTE 的M个邻域中距离 QUOTE 类中心最远的距离， QUOTE 为 QUOTE 中下标的数值， QUOTE 为已新生成的距离 QUOTE 类中心距离小于 QUOTE 的样本个数； QUOTE 为正整数A向上取整；对于每一个 QUOTE ，按如下公式生成新的样本；式中， QUOTE 为0‑1之间测随机数。