[发明专利]一种基于类别均衡的代表样本发现方法

摘要

本方法公开了一种基于类别均衡的代表样本发现方法。在确保智能分类系统分类准确率的条件下，以提升机器学习的效率为目标。本方法核心技术包括：第一、候选样本集合预处理及分割方法，将用户给出的数据库进行预处理，包括缺失值、异常值的处理和数据集合预切割；第二、代表样本数量分配，给出类别均衡的定义并分配代表样本个数；第三、多标准选择代表，按照最大、最小和平均三种标准进行选举代表样本工作。此方法在保持分类准确率基本不变的情况下，有效地减少智能分类系统建模时间和内存空间。为了验证方法有效性，选择了5类智能分类算法在25个UCI数据库上展开试验，结果说明本方法选择得到了有意义的代表样本。

主权项

1.一种基于类别均衡的代表样本发现方法，其特征在于：对数据分类训练数据库进行样本发现工作时，进行了以下步骤，步骤1，候选集合分割：对输入的数据库进行预处理，包括缺失值、异常值的处理和数据集合预切割；步骤2，代表样本数量分配：给出类别均衡的定义，并根据用户给定的所需选取的代表样本个数，确定每个类别中应选出的代表样本个数；步骤3，代表样本选择：根据每个类别应选的代表个数，在相应的类别子集中，按照三种标准进行样本发现工作。