[发明专利]一种基于非平衡数据分布的多异质基分类器融合分类方法

权利要求书

1.一种基于非平衡数据分布的多异质基分类器融合分类方法，其特征在于，包括以下步骤:

决策者利用基于差异采样率的重采样算法对样本进行预处理，包括过采样和欠采样两个过程；在基于差异采样率重采样算法中，在过采样和欠采样过程中均可为不同基分类器赋予不同的采样率，从而确保各基分类器拥有不同的样本数量；

利用基于差异采样率重采样算法对欠采样专家和过采样专家的N个基分类器分别赋予训练样本，然后使其分别独立生成新样本；

计算各基分类器的分类错误率，进而计算出对应的权重；

过采样专家和欠采样专家统计各自结果；

根据分类决策函数融和最后预测结果，判断样本所属类别。

2.根据权利1所述的基于非平衡数据分布的多异质基分类器融合分类方法，其特征在于，各基分类器分类错误率和对应权重的计算方法为：计算基分类器h_t:X→{-1,1}，该基分类器在分布D_t上的误差为：那么该基分类器的权重：

3.根据权利1所述的基于非平衡数据分布的多异质基分类器融合分类方法，其特征在于，所述Undersample专家和Oversample专家统计结果的过程具体为：对于10个样本子集，仅分别独立保留最后一次迭代时生成的基分类器h_t(x)，在Undersample生成的10个样本子集（Oversample生成的10个样本子集）上皆生成相应的基分类器h_i(x)，i＝1,2...10；对在上的10个基分类器进行10交叉验证，分别计算各自错误率ε_i，令该基分类器的权重为i＝1，2...10。

4.根据权利1所述的基于非平衡数据分布的多异质基分类器融合分类方法，其特征在于，Undersample专家和Oversample专家最后预测结果计算方法分别为：和i＝1,2...10；如果Result_Undersample≥0则Undersample expert的融和结果为正类，否则为负类；如果Result_Oversample≥0则Oversample expert的融和结果为正类，否则为负类。

5.根据权利1所述的基于非平衡数据分布的多异质基分类器融合分类方法，其特征在于，融和最后预测结果计算方法为：经过分类决策函数，输出分类结果Result：