[发明专利]一种基于谱聚类的过采样方法

权利要求书

1.一种基于谱聚类的过采样方法，其特征在于，包括以下步骤：

步骤1：对不平衡数据集作为输入，区分出少数类样本和多数类样本，计算原始数据的不平衡比；

步骤2：将不平衡数据集利用谱聚类，划分为多个簇；

步骤3：根据簇内有无多数类或少数类筛选出边界簇和安全簇，并且根据各类簇所占比例确定簇的选择权重；

步骤4：对于边界簇，根据簇内的不平衡比分别进行过采样；

步骤5：对于安全簇，根据密度分别进行过采样；

步骤6：重复步骤3-5直至生成数据个数等于所需数据，并将生成的数据集添加到原始数据集中，构造成新的数据集。

2.根据权利要求1所述的基于谱聚类的过采样方法，其特征在于，所述步骤2中，将不平衡数据集利用谱聚类，划分为多个簇，具体步骤如下：

步骤2.1 利用KNN算法遍历所有的样本点，取每个样本最近的K个样本点作为近邻，计算样本点与其所对应的近邻样本之间之间的高斯距离，并通过两个样本点之间高斯距离构造相似矩阵A；

步骤2.2 通过相似矩阵A构造度矩阵D；

步骤2.3 根据相似矩阵A和度矩阵D，构造拉普拉斯矩阵L；

步骤2.4 计算拉普拉斯矩阵L所对应的特征值，找出最小的k个特征值和特征值所对应的特征向量；

步骤2.5 通过各个特征向量作为列向量构造特征矩阵R，其中R为n行k列矩阵；

步骤2.6 将n行当作n个样本点，采用k-means方法进行聚类，得到所需簇。

3.根据权利要求1所述的基于谱聚类的过采样方法，其特征在于，所述步骤3中，根据簇内有无多数类或少数类筛选出边界簇和安全簇，并且根据各类簇所占比例确定簇的选择权重，具体步骤为：

步骤3.1 将只含有多数类样本的簇定义为危险簇，只含有少数类样本的簇定义为安全簇，其余簇定义为边界簇；

步骤3.2 计算边界簇以及安全簇分别占有对应两种簇的比例。

4.根据权利要求1所述的基于谱聚类的过采样方法，其特征在于，所述步骤4中，对于边界簇，根据簇内的不平衡比分别进行过采样，具体步骤为：

步骤4.1 计算各个边界簇计算簇内的多数类与少数类的不平衡比率IRC；

步骤4.2 根据各个簇的不平衡比率IRC，进行归一化确定边界簇中簇的选择概率p1；

步骤4.3 在选择好的簇中随机选择簇内两个少数类样本点，在各个维度中线性随机插值构造新的样本点。

5.根据权利要求1所述的基于谱聚类的过采样方法，其特征在于，在所述步骤5中，对于安全簇，根据密度分别进行过采样，具体过程为：

步骤5.1 计算安全簇中簇内样本个数；

步骤5.2 根据簇内个数归一化操作得到0-1的数q，其中簇内样本点个数越多，其值越靠近1；

步骤5.3 安全簇的选择概率p2=1-q；

步骤5.4 在选择好的簇中随机选择簇内两个少数类样本点，在各个维度中线性随机插值构造新的样本点。