[发明专利]基于改进DBSCAN-SMOTE算法的分类方法

摘要

本发明针对数据样本空间的处理中类内不平衡的情况提供了一种基于改进DBSCAN‑SMOTE算法的分类方法，首先在数据样本集合中，判断出哪些属于边界样本，并将边界样本分为多数类边界样本和少数类边界样本，对于多数类样本空间中的边界样本采用聚类；然后采用PSO算法对聚类簇内边界样本和安全样本的过采样率进行优化，通过对少数类边界样本通过SMOTE算法进行不同采样率的过采样；其中，所述聚类基于改进DBSCAN算法，该算法不仅能够产生少数类的聚类簇，然后再在这些样本簇内进行过采样，而且还能够充分的解决类内不平衡中的分布不均匀和数据碎片或者小析取项的问题。

主权项

一种基于改进DBSCAN‑SMOTE算法的分类方法，其特征在于：所述方法针对数据样本空间的处理中类内不平衡的情况，首先在数据样本集合中，判断出哪些属于边界样本，并将边界样本分为多数类边界样本和少数类边界样本，对于多数类样本空间中的边界样本采用聚类；然后采用PSO算法对聚类簇内边界样本和安全样本的过采样率进行优化，通过对少数类边界样本通过SMOTE算法进行不同采样率的过采样；其中，所述聚类基于改进DBSCAN算法，所述改进的DBSCAN算法包括：首先，考虑类内不平衡少数类样本分布密度不均匀的情况，能够得到一组基于分布密度的EPS值；然后，将这些通过计算得到的每个少数类样本点的平均距离组成一个距离向量数组，将这些平均距离作为原始数据集，在这个数据集上通过进行距离上的聚类；在将这个距离数组聚类成N个簇之后，计算每个簇中的所有距离加和取平均，将得到的这个平均值作为这个簇的邻域阈值，通过分别计算这N个簇的平均值，可以得到N个邻域阈值EPS_i，i＝1,2,…,N；接下来，将这N个领域阈值进行从小到大的顺序排序并保存在一个数组中；在接下来的聚类算法中，首先选择阈值数组中最小的那一个，当做DBSCAN算法的EPS值，然后对所有少数类样本进行聚类，接着采用阈值数组中下一个阈值对标记为噪声样本点的少数类样本继续进行DBSCAN聚类，同样得到一些聚类簇和剩余的噪声样本点。最后，重复以上的操作，当对所有少数类样本的通过不同的EPS进行聚类过后，则完成少数类样本的所有聚类操作，那些最后都不被归为在任何一个簇的数据即为噪声数据。