[发明专利]一种数据的扩充方法、装置、存储介质和电子设备

说明书

本申请公开了一种数据的扩充方法、装置、存储介质和电子设备，涉及数据处理技术领域，应用于扩充监督学习过程中使用的训练样本的数据集合，该方法包括：获取待扩充数据集合的中心数据点与边缘数据点之间的距离D；确定正常数据集合中在D的范围内数据密度最大的数据点为正常数据集合的第一参考点，数据密度为以数据点为中心，在给定的范围内包括的数据点的数量；确定正常数据集合中数据密度大于预设阈值且与第一参考点距离最大的数据点为第二参考点，并获取第一参考点和第二参考点之间的参考距离r；利用中心数据点、第一参考点对应的数据密度ρ和参考距离r扩充待扩充数据集合的数据。利用该方法能够合理的扩充数据集合中的数据。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种数据的扩充方法、装置、存储介质和电子设备。

背景技术

随着人工智能产业的不断发展，机器学习作为重要的计算手段在各行各业中被广泛应用。其中，监督学习作为常用手段之一，在各个场景中起到了重要的作用。

监督学习能够利用带标签的数据集合调整模型的参数，使训练后的模型达到所要求的性能。但是，在很多场景的实际应用过程中，不同标签的数据集合中数据的数量通常不均衡，例如有些数据集合中的数据很多，有些数据集合中的数据很少，这些不均衡的数据集合在实际应用过程中会严重影响训练得到的模型的性能。

因此，当数据集合中的数据较少时，需要一种数据的扩充方法以使数据的数量达到正常水平。

发明内容

为了解决现有技术存在的上述技术问题，本申请提供了一种数据的扩充方法、装置、存储介质和电子设备，能够合理的扩充数据集合中的数据。

本申请提供了一种数据的扩充方法，应用于扩充监督学习过程中使用的训练样本的数据集合，包括：

获取待扩充数据集合的中心数据点与边缘数据点之间的距离D，数据集合的中心数据点与同一数据集合的其它数据点的距离之和最小，边缘数据点与同一数据集合的其它数据点的距离之和最大；

确定正常数据集合中在所述D的范围内数据密度最大的数据点为所述正常数据集合的第一参考点，所述数据密度为以数据点为中心，在给定的范围内包括的数据点的数量；

确定所述正常数据集合中数据密度大于预设阈值且与所述第一参考点距离最大的数据点为第二参考点，并获取所述第一参考点和所述第二参考点之间的参考距离r；

利用所述中心数据点、所述第一参考点对应的数据密度ρ和所述参考距离r扩充所述待扩充数据集合的数据。

可选的，当存在N个正常数据集合，所述N为大于或等于1的整数时，所述利用所述中心数据点、所述第一参考点对应数据密度ρ和所述参考距离r扩充所述待扩充数据集合的数据，具体包括：

获取N个所述正常数据集合的第一参考点对应的数据密度中的最小值ρ_min和所述参考距离中的最小值r_min；

以所述ρ_min为所述待扩充数据集合的数据密度，以所述中心数据点为所述待扩充数据集合的中心，在所述r_min的范围内扩充所述待扩充数据集合的数据。

可选的，当第i个正常数据集合中存在M个在所述D的范围内数据密度最大的数据点，所述i＝1,2…N，所述M为大于或等于2的整数时，所述方法还包括：

获取所述第i个正常数据集合的中心数据点与边缘数据点；

确定第j个所述数据密度最大的数据点与所述第i个正常数据集合的中心数据点与边缘数据点的距离之和，所述j＝1,2…M；

确定所述距离之和最小的数据点为所述第i个正常数据集合的第一参考点。