[发明专利]一种不平衡数据集过采样方法

权利要求书

1.一种不平衡数据集过采样方法，基于已知各数据样本所属类别，完成数据的过采样，其特征在于，包括如下步骤：

步骤A.针对目标数据样本集中的各个数据样本，进行维度空间坐标转换，获得各个数据样本分别所对应的维度空间坐标，然后进入步骤B；

步骤B.针对目标数据样本集，删除其中与任意数据样本之间不存在密度相连关系的数据样本，更新目标数据样本集，并构建指定少数类核心数据样本集合，以及指定少数类边界数据样本集合，然后进入步骤C；

步骤C.分别针对指定少数类核心数据样本集合中的各个核心数据样本，执行过采样操作，更新目标数据样本集，然后进入步骤D；

步骤D.分别针对指定少数类边界数据样本集合中的各个边界数据样本，执行过采样操作，更新目标数据样本集。

2.根据权利要求1所述一种不平衡数据集过采样方法，其特征在于，所述步骤B包括如下步骤：

步骤B1.针对目标数据样本集中，除被定义为核心数据样本、待定边界数据样本、噪声数据样本以外的各个数据样本，任意选取一个数据样本，判断以该数据样本维度空间坐标为球心，预设Eps领域内其它数据样本的数量是否小于预设核心判断数量阈值MinPts，是则定义该数据样本为噪声数据样本，并进入步骤B3；否则定义该数据样本为核心数据样本，并进入步骤B2；

步骤B2.构建本次循环中所获核心数据样本所对应的簇，将该核心数据样本划分至该簇中，并针对目标数据样本集中、除被定义为核心数据样本、待定边界数据样本以外的各个数据样本，选择与该核心数据样本之间存在密度相连关系的各个数据样本，将其定义为待定边界数据样本，然后进入步骤B3；

步骤B3.判断目标数据样本集中，除被定义为核心数据样本、待定边界数据样本、噪声数据样本以外，是否存在其它数据样本，是则返回步骤B1；否则进入步骤B4；

步骤B4.分别针对各个待定边界数据样本，首先获得以待定边界数据样本维度空间坐标为球心，预设Eps领域内的各个核心数据样本，接着获得该各个核心数据样本分别所对应簇的簇中心，然后获得该待定边界数据样本分别至该各簇中心的欧式距离，最后将该待定边界数据样本划分至最短欧式距离所对应的簇中，进而完成各个待定边界数据样本向各个簇的划分，然后进入步骤B5；

步骤B5.删除被定义为噪声数据样本，更新目标数据样本集，并基于已知各数据样本所属类别，选择指定少数类所包括的各个核心数据样本，并构建指定少数类核心数据样本集合，以及选择指定少数类所包括的各个边界数据样本，并构建指定少数类边界数据样本集合。

3.根据权利要求2所述一种不平衡数据集过采样方法，其特征在于，所述步骤B2中，针对目标数据样本集中、除划分至簇中数据样本以外的各个数据样本，若其中任意数据样本p与核心数据样本q之间满足如下关系：

p∈N_Eps(q)

|N_Eps(q)|≥MinPts

则该数据样本p与核心数据样本q之间存在直接密度可达关系，其中，N_Eps(q)表示以核心数据样本q维度空间坐标为球心，预设领域Eps内数据样本的集合，|N_Eps(q)|表示集合N_Eps(q)中元素的数量，MinPts表示预设核心判断数量阈值。