[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。