[发明专利]一种基于数据分区混合采样的不平衡集成分类方法

权利要求书

1.一种基于数据分区混合采样的不平衡集成分类方法，其特征在于，所述方法步骤包括：

(1)根据少数类邻域中的多数类占比将样本空间划分为四个区域：多数类安全区、少数类安全区、边界区、少数类噪声区，根据每个少数类邻域的多数类占比与其总和的比值生成权值，据此确定每个少数类邻域的合成数目，以随机线性插值方式对边界区少数类进行过采样；

(2)对多数类安全区采用随机欠采样，剔除少数类噪声区样本但保留少数类安全区样本，生成平衡数据集；

(3)构建三种集成学习模型：偏向多数类的原始模型、局部域加强和削弱模型、偏向外围边界的混合模型，根据放入原始数据集的测试点近邻的不平衡程度，自适应地选择相应的模型。

2.根据权利要求1所述的方法，其特征在于，根据少数类邻域中的多数类占比将样本空间划分为四个区域：多数类安全区、少数类安全区、边界区、少数类噪声区，根据每个少数类邻域的多数类占比与其总和的比值生成权值，据此确定每个少数类邻域的合成数目，以随机线性插值方式对边界区少数类进行过采样，具体说明如下：给定不平衡训练集D，首先将训练集D划分为多数类集D_maj和少数类集D_min，定义边界区D_border、少数类噪声区D_danger-、少数类安全区D_safe-、多数类安全区D_safe+并初始化四个区域为空集，+表示多数类样本，-表示少数类样本，然后遍历少数类集D_min，少数类集D_min包括少数类样本x_i，i＝1,2,...,N_min，N_min为少数类集样本数目，通过kNN算法寻找每个少数类样本的k个最近邻居点并统计邻居点中少数类样本的数目N_i-，i＝1,2,...,N_min，其中k＝5，并将邻居点中多数类样本存储到边界区D_border中，计算少数类邻域中的多数类占比如果Γ＝0，将该少数类样本加入到少数类噪声区D_danger-；如果Γ∈(0,1)，将该少数类样本及其邻域中多数类样本加入到边界区D_border；如果Γ＝1，将该少数类样本加入到少数类安全区D_safe-；剩余训练集D的样本加入到多数类安全区D_safe+，训练集D剔除少数类噪声区D_danger-获得过滤集D_filter，统计边界区D_border的样本数目N_border，包括少数类样本数目m和多数类样本数目n，在少数类样本x_i中找出属于边界区D_border的少数类样本x_{border_i}，i＝1,2,...,m，统计每个x_{border_i}邻域中多数类样本个数N_i+，i＝1,2,...,m，计算边界区域需要合成的样本数G＝(m+n)×b-m,b∈[0.5,1]，其中b为合成比例因子，取b＝1时，合成后少数类样本数目和多数类样本数目保持平衡，其数目为原来总样本个数，对于每个边界区少数类样本x_{border_i}，计算k个近邻样本点中属于多数类样本的比例，记作根据每个少数类邻域的多数类占比与其总和的比值生成权值对边界区的每个少数类样本计算合成数目g_i＝w_i×G，i＝1,2,...,m，通过SMOTE方法在边界区每个少数类样本周围合成gi个少数类样本，将合成的少数类样本加入边界区D_border获得边界区过采样集D_border过。