[发明专利]基于混合采样与特征选择的高维度不平衡数据分类方法

权利要求书

1.基于混合采样与特征选择的高维度不平衡数据分类方法，其特征在于，包括以下步骤：

步骤S1，获取原始不平衡数据集；

步骤S2，对原始不平衡数据集进行基于多过滤器融合和SVM-RFE的特征选择，得到最优特征子集；

步骤S3，对最优特征子集进行混合采样，得到均衡化分布的数据集；

步骤S4，对均衡化分布的数据集进行训练，利用集成学习策略的两层叠加框架，构建基于多模型融合集成学习的高维不平衡数据分类模型。

2.根据权利要求1所述的基于混合采样与特征选择的高维度不平衡数据分类方法，其特征在于，所述步骤S2具体包括：

步骤S21，对原始不平衡数据集，采用M个不同的过滤器进行特征选择，分别得到M个不同的特征序列；其中，M为大于等于2的正整数；

步骤S22，对M个特征序列中的特征进行打分，根据特征得分降序排列，选取排名前R％*D个特征，得到特征子集；

步骤S23，初始化当前特征集合S_now为特征子集，最优特征子集S_best为空，最优特征子集AUC值AUC_best为0；

步骤S24，设置每次删除的特征数量比例为p，0＜p＜1；

步骤S25，根据当前特征集合S_now建立SVM模型，得到AUC值AUC_now；

步骤S26，按照特征权重绝对值降序排列当前特征集合S_now中的特征；

步骤S27，删除当前特征集合S_now中排名靠后的p％个特征，更新当前特征集；

步骤S28，如果更新后的当前特征集S_now的AUC值AUC_now大于最优特征子集S_best的AUC值AUC_best，则S_best＝S_now；否则不变；

步骤S29，重复执行步骤S25-步骤S28，直到当前特征集合S_now为空，即得到最优特征子集。

3.根据权利要求2所述的基于混合采样与特征选择的高维度不平衡数据分类方法，其特征在于，所述步骤S21采用4个不同的过滤器，分别为过滤器MI、过滤器MIC、过滤器Relief-F和过滤器CS。

4.根据权利要求1-3任一项所述的基于混合采样与特征选择的高维度不平衡数据分类方法，其特征在于，所述步骤S3中的混合采样具体包括：

步骤S31，对最优特征子集中的少数类样本进行过采样合成新样本；

步骤S32，将过采样合成的新样本与最优特征子集中的多数类样本合并，得到新的数据集；

步骤S33，对新的数据集进行欠采样，得到均衡化分布的数据集。

5.根据权利要求4所述的基于混合采样与特征选择的高维度不平衡数据分类方法，其特征在于，所述步骤S31采用K-means SMOTE过采样算法进行过采样处理；所述步骤S33采用RENN算法进行欠采样处理。

6.基于混合采样与特征选择的高维度不平衡数据分类系统，其特征在于，包括数据获取模块、特征选择模块、特征均衡模块和训练模块；

其中，所述数据获取模块用于获取原始不平衡数据集；

所述特征选择模块用于对原始不平衡数据集进行基于多过滤器融合和SVM-RFE的特征选择，得到最优特征子集；

所述特征均衡模块用于对最优特征子集进行混合采样，得到均衡化分布的数据集；

所述训练模块用于对均衡化分布的数据集进行训练，利用集成学习策略的两层叠加框架，构建基于多模型融合集成学习的高维不平衡数据分类模型。