[发明专利]一种对非平衡数据集的分类方法及系统

权利要求书

1.一种对非平衡数据集的分类方法，其特征在于，包括：

获取样本非平衡数据，具体包括：选取CASIA汉语情感语料库中的生气情感样本作为正类样本，CASIA汉语情感语料库中的剩余种类的情感样本作为负类样本，选取样本语音的MFCC特征，音质特征还有韵律特征，分别对应求得语音特征的均值，方差以及标准差三种特征值，得到非平衡数据；所述样本非平衡数据包括正类数据和负类数据；所述正类数据表示所述样本非平衡数据中数量较少的一类数据，所述负类数据表示所述样本非平衡数据中数量较多的一类数据；

对样本非平衡数据进行随机划分得到训练集和测试集；所述训练集包括正类训练集和负类训练集；所述测试集包括正类测试集和负类测试集；

获取所述正类训练集的类中心c₁和所述负类训练集的类中心c₂以及所述训练集的中心c；

将所述类中心c₁与所述训练集的中心c之差确定为正类超平面法向量w₁，将所述类中心c₂与所述训练集的中心c之差确定为负类超平面法向量w₂，将所述类中心c₁与所述类中心c₂之差的模确定为两类类中心的距离T；

根据所述类中心c₁、所述类中心c₂、所述法向量w₁和所述法向量w₂确定经过所述类中心c₁的正类超平面和经过所述类中心c₂的负类超平面；

根据所述类中心c₁、所述类中心c₂、所述法向量w₁和所述法向量w₂确定第一距离di⁺、第二距离di^-、第三距离dli⁺和第四距离dli^-；所述第一距离di⁺表示所述正类训练集中的正类数据到所述正类超平面的距离；所述第二距离di^-表示所述负类训练集中的负类数据到所述负类超平面的距离；所述第三距离dli⁺表示所述正类训练集中的正类数据经过所述类中心c₂到所述负类超平面的距离；所述第四距离dli^-表示所述负类训练集中的负类数据经过类中心c₁到所述正类超平面的距离；

根据近邻算法确定正类训练集中正类数据的紧密度C_i⁺，根据近邻算法确定负类训练集中负类数据的紧密度C_i^-；

根据所述第一距离di⁺、所述第二距离di^-、所述第三距离dli⁺、所述第四距离dli^-、所述紧密度C_i⁺、所述紧密度C_i^-和所述两类类中心的距离T确定模糊隶属度函数(1)，

其中，S_i+表示正类数据模糊隶属度，S_i-表示负类数据模糊隶属度，ε表示半径控制因子，σ表示样本权值赋予参数；

根据所述模糊隶属度函数(1)及模糊双支持向量机确定分类模型(2)，

其中，FTWSVM1表示正类分类超平面，A表示第一待分类数据，w₁表示正类分类超平面的法向量，e₁表示元全部等于1的正类列向量，b₁表示第一常数，d₁表示第一惩罚参数，S_A表示第一待分类数据的模糊隶属度，ξ表示松弛因子，s.t.表示约束条件，B表示第二待分类数据，e₂表示元全部等于1的负类列向量，FTWSVM2表示负类分类超平面，w₂表示负类分类超平面的法向量，b₂表示第二常数，d₂表示第二惩罚参数，S_B表示第二待分类数据的模糊隶属度；

以样本非平衡数据的训练集和测试集作为分类模型(2)的输入，以测试集的查全率、查准率、g-mean和F值作为分类模型(2)的输出，采用网格搜索算法和交叉验证法确定优化后的第一惩罚参数d₁和优化后的第二惩罚参数d₂，得到优化后的分类模型；

获取待测非平衡数据，具体包括：选取太原理工大学TYUT2.0情感语音数据库中的高兴情感样本作为正类样本，太原理工大学TYUT2.0情感语音数据库中的剩余种类的情感样本作为负类样本，选取样本语音的MFCC特征，音质特征还有韵律特征，分别对应求得语音特征的均值，方差以及标准差三种特征值，得到待测非平衡数据；

以所述待测非平衡数据作为所述优化后的分类模型的输入，得到对所述待测非平衡数据的分类结果。