[发明专利]一种基于二叉树结构的不平衡数据处理方法

权利要求书

1.一种基于二叉树结构的不平衡数据集的处理方法，其特征在于，具体步骤包括：

(1)将原始数据集Ω按标签划分为正样本空间集合Ω_P和负样本空间集合Ω_N，同时创建负样本空间集合的副本C_N；

(2)选择每个平衡样本集合的样本平衡比r、选择树的深度D、叶子节点的最少样本数量LeafMin以及基于原型聚类的基聚类算法Γ；

(3)采用步骤(2)中所选择的基聚类算法Γ将负样本集合C_N划分为2个不相交的簇C_i,i＝1,2；

(4)根据分裂准则，判断步骤(3)中所划分的簇，即C_N←C_i,i＝1,2是否满足分裂准则；若满足分裂准则，则对负样本集合C_N重复步骤(3)和步骤(4)直至当前负样本集合C_N不再满足分裂准则；递归完毕后，形成二叉树Τ；

(5)对步骤(4)得到的二叉树叶子节点上的每个负样本集合Θ_j进行所有特征x_nm^(j)的归一化处理，归一化后求解特征差异度方差FeatureVar_(k)和特征极差程度FeatureRange_(k)两个参数；重复步骤(5)多次，根据特征差异度方差FeatureVar_(k)和特征极差程度FeatureRange_(k)，挑选出最佳的负样本集合

(6)对步骤(5)得到的最佳负样本集合按照一定比例进行抽样，得到平衡负样本集合Ψ；

(7)将原始空间中的正样本集合Ω_P与步骤(6)得到的平衡负样本集合Ψ构成一个平衡样本集合Ω_balance。

2.根据权利要求1所述的一种基于二叉树结构的不平衡数据处理方法，其特征在于，步骤(1)中划分后的正样本空间集合大小为|Ω_P|，负样本空间集合大小为|Ω_N|，且正、负样本空间集合有如下关系：

3.根据权利要求1所述的一种基于二叉树结构的不平衡数据处理方法，其特征在于，在步骤(2)的选择过程中，树的深度和叶子节点的最少样本数量须同时满足D＞0，LeafMin≥2；通过树的深度D以及叶子节点最少样本数量LeafMin来确定分裂准则；当当前树的深度以及叶子节点的最少样本数量满足D＞0，LeafMin≥2时，继续对节点进行分裂。

4.根据权利要求1所述的一种基于二叉树结构的不平衡数据处理方法，其特征在于，步骤(4)中，形成二叉树具体方法为：

将步骤(3)中得到的C_i,i＝1,2先后记为C_N，即C_N←C_i,i＝1,2；再根据分裂准则D'＜D，|C_N|＞＝LeafMin判断是否继续分裂；若满足分裂准则，则对负样本集合C_N重复步骤(3)和步骤(4)，直到当前负样本集合不再满足分裂准则；递归完毕后，最终所形成二叉树为Τ，记二叉树Τ上的叶子节点上的负样本集合为Θ_j，j＝1,2,.....S；叶子节点个数满足0＜m≤2^D。

5.根据权利要求1所述的一种基于二叉树结构的不平衡数据处理方法，其特征在于，步骤(5)中进行归一化处理，具体为：

对每一个负样本集合Θ_j进行所有特征x_nm^(j)的归一化处理，其中，j表示第j个负样本集合，n表示负样本集合中第n个样本，m表示负样本集合中第m个特征；

对于每个负样本集合中的元素按照

其中，N^(j)表示第j个负样本集合Θ_j中样本的个数，M表示原始样本空间的特征维度。