[发明专利]基于EasyEnsemble算法和SMOTE算法的不均衡数据分类方法在审
| 申请号： | 201711469484.4 | 申请日： | 2017-12-29 |
| 公开（公告）号： | CN108596199A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 秦雅娟;林小榕;张宏科 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京市商泰律师事务所 11255 | 代理人： | 黄晓军 |
| 地址： | 100044 北*** | 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： | 本发明提供了一种基于EasyEnsemble算法和SMOTE算法的极度不均衡数据分类方法。主要步骤为：先用SMOTE算法构造多个少数类子集，增加少数类样本；然后对多数类进行随机欠采样，合并各多数类子集和少数类子集，获得多个样本比例一定的训练子集；再对每个训练子集进行降噪处理；然后分别用降噪后的训练子集训练一个AdaBoost分类器；最后集成所有AdaBoost分类器，得到最终的分类器。本发明通过SMOTE算法解决少数类样本欠缺问题，并结合随机欠采样改变样本不均衡状态。同时利用降噪技术，提高新数据集的可靠性，平滑分类边界，并利用集成方法减少多数类信息损失，提高分类器性能。 | ||
| 搜索关键词： | 算法 样本 训练子集 不均衡 子集 数据分类 欠采样 分类器性能 分类边界 降噪处理 降噪技术 算法构造 分类器 类信息 新数据 平滑 降噪 合并 | ||
【主权项】：
1.一种基于EasyEnsemble算法和SMOTE算法的不均衡数据的分类方法，其特征在于，包括如下步骤：S1：采用SMOTE算法将少数类数据构造出多个少数类子集；S2：对多数类数据进行随机欠采样，得到多个多数类子集，合并各多数类子集和各少数类子集，得到多个训练子集；S3：将各训练子集进行降噪处理，训练生成多个AdaBoost分类器；S4：集成所有AdaBoost分类器，得到所述不均衡数据的最终分类器。
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交通大学，未经北京交通大学许可，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/201711469484.4/，转载请声明来源钻瓜专利网。
