龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：江苏大学
摘要：本发明公开了一种基于混合采样的不平衡数据分类方法。包括步骤：输入不平衡数据集，并将其划分为训练、验证和测试数据集；将训练数据集分为正类和负类数据集；在负类数据集中，首先计算每个样本的分类难度，再利用层次聚类将其划分为多个子簇，在各个子簇中抽取多数类样本；在正类数据集中，利用样本的近邻信息将样本分为安全边界异常样本，并计算安全边界类样本的选择权重，最后在选择的样本间进行线性插值生成正类样本；将过欠采样的子集合并、构成平衡数据集并在其基础上训练基分类器；最后通过平均加权策略结合多个基分类器构成集成分类器。本发明能够在保证总体准确率的同时，有效提高不平衡数据集中少数类样本的识别效果。
主权项：1.一种基于混合采样的不平衡数据分类方法，其特征在于，该方法包括以下步骤：步骤1：将数据集D划分为训练集Dtrain、验证集Dtrain和测试集Dtest；步骤2：将训练集Dtrain中的样本分为正类少数类样本Nmin和负类多数类样本Nmaj；步骤3：在负类多数类样本Nmaj中计算每个样本的分类难度，将其划分为难易分类样本集；步骤4：在难易样本集中分别进行层次聚类，将它们划分为多个子簇；步骤5：在各个子簇中依据样本难度抽取多数类样本，保证各个欠采样子集中的难度值一致；步骤6：在正类少数类样本Nmin依据每个样本的近邻信息，将它们分为安全边界异常样本；步骤7：计算安全边界类样本的选择权重；步骤8：通过权重选择参考样本，使用具有近邻样本规则约束的SMOTE算法进行采样；步骤9：将步骤5和步骤8中采样的子集合并构成一个平衡数据集；步骤10：选择决策树DT模型作为基分类器，每个基分类器都针对一个平衡数据集进行训练；步骤11：通过平均加权策略结合多个基分类器构成集成分类器；步骤12：使用测试集Dtest对步骤11得到的集成分类器进行性能评估。
全文数据：
权利要求：
百度查询： 江苏大学 一种基于混合采样的不平衡数据分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号