[发明专利]一种基于边界升采样的不平衡数据分类方法

摘要

本发明涉及一种基于边界升采样的不平衡数据分类方法，包括：对于不平衡数据集中的每个正样本以欧氏距离作为距离度量，取不平衡数据集中距其最近的K个样本点，比对各个样本的类别标签，给出这K个样本点中负样本的数目，记为k_i，若k_i≥K/2，则可判定该正样本点位于正负样本的真实判决边界附近，反之则该正样本点远离边界；对选中的正样本，在其K个最近邻正样本中随机选取一个，在二者之间生成一个新的正样本点，此过程迭代执行多次，直至正负样本数目相同，以此构建平衡数据集；运用Bagging算法对生成的平衡数据集进行训练，得到最终的分类模型。本发明可以在不平衡数据集上获得更好的分类效果。

主权项

一种基于边界升采样的不平衡数据分类方法，设不平衡数据集中正样本数目为n_p，负样本数目为n_n，该方法包括以下几个技术步骤：(1)对于不平衡数据集中的每个正样本x_i,以欧氏距离作为距离度量，取不平衡数据集中距其最近的K个样本点，比对各个样本的类别标签，给出这K个样本点中负样本的数目，记为k_i，若k_i≥K/2，则可判定该正样本点位于正负样本的真实判决边界附近，反之则该正样本点远离边界，对于所有位于边界附近的正样本点，作下述步骤处理，其余样本不作处理；(2)对于所有在步骤(1)中选中的正样本，在其K个最近邻正样本中随机选取一个，在二者之间生成一个新的正样本点，此过程迭代执行多次，直至正负样本数目相同，以此构建平衡数据集。(3)设有放回取样次数为T，每次取样的样本个数为n’，运用Bagging算法对生成的平衡数据集进行训练，得到最终的分类模型。