[发明专利]针对非均衡数据的特征选择和聚类抽样集成二分类方法在审
| 申请号： | 201810578185.2 | 申请日： | 2018-06-07 |
| 公开（公告）号： | CN108764366A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 杜庆波;阴法明 | 申请（专利权）人： | 南京信息职业技术学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京天翼专利代理有限责任公司 32112 | 代理人： | 于忠洲 |
| 地址： | 210023 江苏省*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的针对非均衡数据的特征选择和聚类抽样集成二分类方法，步骤包括：将所采集到的数据集中的不完整的数据、噪声数据以及不可用的数据删除，得到训练集D；基于改进的RELIEF‑F方法实现特征选择，得到特征权重集合W＝{w(1),...,w(j),...,w(J)}；对训练集D中的数据进行聚类，将训练集D分成K个簇；构建均衡的训练数据集，得到K个均衡的子训练集D1,...,DK；对D1,...,DK分别训练K个基分类器，完成训练过程；在新数据到来后，分别通过K个训练好的基分类器得到识别结果，再通过投票法，用少数服从多数的原则，来确定测试样本的类别。该针对非均衡数据的特征选择和聚类抽样集成二分类方法可以有效地提升非均衡数据集的分类准确性。 | ||
| 搜索关键词： | 特征选择 非均衡 训练集 聚类 二分类 基分类器 抽样 均衡 分类准确性 训练数据集 测试样本 数据集中 数据删除 特征权重 训练过程 噪声数据 不可用 数据集 投票法 新数据 有效地 构建 集合 采集 改进 | ||
【主权项】：
1.针对非均衡数据的特征选择和聚类抽样集成二分类方法，其特征在于，包括如下步骤：步骤1，将所采集到的数据集中的不完整的数据、噪声数据以及不可用的数据删除，得到训练集D；步骤2，基于改进的RELIEF‑F方法实现特征选择，得到特征权重集合W＝{w(1),...,w(j),...,w(J)}；步骤3，对训练集D中的数据进行聚类，从而将训练集D分成K个簇；步骤4，构建均衡的训练数据集，得到K个均衡的子训练集D1,...,DK；步骤5，对D1,...,DK分别训练K个基分类器，完成训练过程；步骤6，在新数据到来后，分别通过K个训练好的基分类器得到识别结果，再通过投票法，用少数服从多数的原则，来确定测试样本的类别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京信息职业技术学院，未经南京信息职业技术学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810578185.2/，转载请声明来源钻瓜专利网。
