[发明专利]基于融合Boost模型的不平衡数据采样方法

权利要求书

1.一种基于融合提升Boost模型的不平衡数据采样方法，其特征在于，包括如下步骤：

(1)生成训练样本集；

(2)训练提升Boost模型：

采用提升Boost模型训练方法，训练提升Boost模型，得到训练好的提升Boost模型；

(3)定义pure1、danger1、noise1数据集；

(4)获取训练样本集的样本点在加权特征空间的位置关系：

(4a)将训练样本集按特征类型归一化；

(4b)采用更新特征权重值与提升Boost模型的F-score评分结合的方法，得到训练样本集的新特征权重值；

(4c)计算训练样本集的样本点在加权特征空间的位置关系；

(5)定义danger2、pure2、noise2数据集；

(6)融合数据集：

将pure1数据集和pure2数据集融合为pure融合集，将danger1数据集和danger2数据集融合为danger融合集，将noise1数据集和noise2数据集融合为noise融合集；

(7)合成新样本点：

(7a)创建新样本点集合，将属于pure融合集且属于类0的样本点的集合作为pure创建集，将属于danger融合集且属于类0的样本点的集合作为danger创建集；

(7b)对pure创建集和danger创建集中的每一个样本点，使用合成样本数据集新样本点的方法，合成样本数据集的新样本点；

(8)获得平衡数据样本集：

(8a)将属于pure融合集且属于类1的样本点的集合作为pure删除集，将属于noise融合集且属于类1的样本点的集合作为noise删除集，将属于加权特征空间中重叠的所有样本点的集合作为repeat删除集；

(8b)删除新样本点中所有存在于repeat删除集的样本点；

(8c)删除新样本点中存在于pure删除集和noise删除集中的所有样本点，获得平衡数据样本集。

2.根据权利要求1所述的基于融合提升Boost模型的不平衡数据采样方法，其特征在于：步骤(1)中所述生成训练样本集是指，使用MATLAB仿真软件，随机生成一个包含两类样本数量不同的不平衡数据集，将样本数量较多的类记作类1，样本数量较少的类记作类0，并将两类不平衡数据集作为训练样本集。

3.根据权利要求1所述的基于融合提升Boost模型的不平衡数据采样方法，其特征在于：步骤(2)中所述提升Boost模型训练方法的具体步骤如下：

第1步，将训练样本输入到提升Boost模型中，对每个训练样本特征权重值初始化为得到带权的训练样本集，其中，N表示训练样本的总数；

第2步，将带权的训练样本集输入到分类器进行迭代训练，每次迭代后对预测错误的样本增加权重，统计预测为类1的样本数，直到分类器预测正确，迭代停止，获取训练样本集的更新特征权重值。

4.根据权利要求1所述的基于融合提升Boost模型的不平衡数据采样方法，其特征在于：步骤(3)中所述定义pure1、danger1、noise1数据集是指，使用训练好的提升Boost模型，将训练样本集中样本点分类正确概率大于0.5的样本点集合定义为pure1数据集，将训练样本集中样本点分类正确概率小于0.5的样本点集合定义为danger1数据集，将训练样本集中样本点分类错误概率大于0.5的样本点集合定义为noise1数据集。

5.根据权利要求1所述的基于融合提升Boost模型的不平衡数据采样方法，其特征在于：步骤(4a)中所述将训练样本集按特征类型归一化是指，将训练样本数据特征分为连续型特征和离散型特征。