[发明专利]平衡化数据集生成方法和装置以及分类方法和装置

权利要求书

1.一种平衡化数据集生成方法，其特征在于，包括：

对于正类集合中的每个正类样例，基于所述每个正类样例与负类集合中负类样例之间的关联关系生成新的正类样例，将所述新的正类样例加入所述正类集合以得到目标正类集合；

从所述负类集合中提取多个负类样例，获得子负类集合，其中，所述子负类集合中负类样例的数量与所述目标正类集合中正类样例的数量相等；

将所述目标正类集合与所述子负类集合合并，生成平衡化数据集。

2.根据权利要求1所述的方法，其特征在于，

基于所述每个正类样例与负类集合中负类样例之间的关联关系生成新的正类样例包括：

确定正类集合的中心点，在所述负类集合中确定所述中心点的异类最近邻；

对于所述正类集合中的每个正类样例，基于所述异类最近邻，生成新的正类样例。

3.根据权利要求2所述的方法，其特征在于，将所述新的正类样例加入所述正类集合以得到目标正类集合包括：

将所述新的正类样例加入所述正类集合，得到中间正类集合；

对于中间正类集合中的每个正类样例，在所述负类集合中确定所述每个正类样例的异类最近邻；

基于每个正类样例的异类最近邻，生成新的正类样例；

将所述新的正类样例加入所述中间正类集合，得到目标正类集合。

4.根据权利要求2或3所述的方法，其特征在于，所述生成新的正类样例包括：

确定所述异类最近邻与正类样例之间的连线；

在所述连线上进行采样以获得新的正类样例。

5.根据权利要求4所述的方法，其特征在于，在所述连线上进行采样以获得新的正类样例包括：

在所述连线的中点处采样以获得新的正类样例。

6.根据权利要求1所述的方法，其特征在于，在生成目标正类集合之后，所述方法还包括：

对所述目标正类集合中的正类样例进行去重。

7.一种分类方法，其特征在于，包括：

根据多个如权利要求1-6任一项所述的平衡化数据集，进行模型训练，得到多个分类器；

利用所述多个分类器对待分类样例进行分类，得到多个预测结果；

对所述多个预测结果进行投票，将得到票数最多的预测结果作为所述待分类样例的分类结果。

8.一种平衡化数据集生成装置，其特征在于，包括：

生成模块，用于对于正类集合中的每个正类样例，基于所述每个正类样例与负类集合中负类样例之间的关联关系生成新的正类样例，将所述新的正类样例加入所述正类集合以得到目标正类集合；

提取模块，用于从所述负类集合中提取多个负类样例，获得子负类集合，其中，所述子负类集合中负类样例的数量与所述目标正类集合中正类样例的数量相等；

合并模块，用于将所述目标正类集合与所述子负类集合合并，生成平衡化数据集。

9.根据权利要求8所述的装置，其特征在于，所述生成模块还用于：

确定正类集合的中心点，在所述负类集合中确定所述中心点的异类最近邻；

对于所述正类集合中的每个正类样例，基于所述异类最近邻，生成新的正类样例。

10.根据权利要求9所述的装置，其特征在于，所述生成模块还用于：

将所述新的正类样例加入所述正类集合，得到中间正类集合；

对于中间正类集合中的每个正类样例，在所述负类集合中确定所述每个正类样例的异类最近邻；

基于每个正类样例的异类最近邻，生成新的正类样例；

将所述新的正类样例加入所述中间正类集合，得到目标正类集合。

11.根据权利要求9或10所述的装置，其特征在于，所述生成模块还用于：

确定所述异类最近邻与正类样例之间的连线；

在所述连线上进行采样以获得新的正类样例。