[发明专利]一种不平衡数据分类方法

摘要

本发明涉及一种不平衡数据分类方法，在已标记数据集L中，先对每个数据点处理，计算它与所有非同类数据点之间的距离，保留其中的最短距离作为它的特征；对所有数据点按特征由小到大排列，取特征最小的前t个数据点形成初始的训练集T，剩余的数据点构成初始的非训练集N。使用支持向量机，运用主动学习策略在训练集T上进行迭代学习。训练开始后，每一步迭代都产生一个临时的分类超平面P，用P对N中所有数据点进行试分类，如果存在预测错误的数据点，从预测错误的数据点中随机抽取一个添加到训练集T中，同时在N中选择离P最近的一个数据点添加到T中；如果N中不存在预测错误的数据点，则只从其中选择离P最近的一个数据点加入训练集T。继续训练。

主权项

一种不平衡数据分类方法，其特征在于，包括以下步骤： 步骤一，对于给定的有类标签的数据集L，计算数据集L中每一个数据点和所有非同类数据点之间的距离，对每一个数据点，记录其与非同类数据点之间的最小距离，作为该数据点的特征；类标签不同的两个数据点视为非同类数据点； 步骤二，将所有数据点的特征按照递增顺序排列，选择特征最小的前t个数据点形成训练集T，其余的数据点组成非数据集N，t取值为2到m的自然数，其中m为数据集L中数据点的总个数； 步骤三，采用主动学习策略进行迭代的支持向量机训练，重复以下步骤，直到建立的分类模型中的支持向量个数在迭代中不再发生改变： 步骤(1)，对训练集T进行支持向量机训练，产生一个分类超平面P； 步骤(2)，用分类超平面P对所有非训练集N分类预测； 步骤(3)，把步骤(2)中的预测结果同非训练集N中数据点自身的类标签比较，如果存在预测错误的数据点，从预测错误的数据点中随机抽取一个数据点移入训练集T，从而对训练集T进行更新； 步骤(4)，计算非训练集N中数据点到分类超平面P的距离，选择离分类超平面P最近的一个数据点移入训练集T，从而对训练集T进行更新。