[发明专利]一种对非平衡数据集的分类方法及系统

摘要

本发明的对非平衡数据集的分类方法及系统，计算获得正类和负类训练集的类中心c1和c2，确定两类类中心的距离T、正类超平面、负类超平面、第一距离、第二距离、第三距离和第四距离，进而确定模糊隶属度函数，根据模糊隶属度函数及模糊双支持向量机确定分类模型。采用网格搜索算法和交叉验证法得到优化后的分类模型。将待分类的非平衡数据输入优化后的分类模型，得到对待分类的非平衡数据的分类结果。本发明的方法或系统通过使用基于模糊隶属度函数的确定分类模型，根据样本点对分类超平面贡献的不同和两类样本非平衡率的不同赋予样本点不同的隶属度值，减轻了样本间的不平衡性，从而提高了使用本发明的方法或系统时的分类结果的准确性。

主权项

1.一种对非平衡数据集的分类方法，其特征在于，包括：获取样本非平衡数据；所述样本非平衡数据包括正类数据和负类数据；所述正类数据表示所述样本非平衡数据中数量较少的一类数据，所述负类数据表示所述样本非平衡数据中数量较多的一类数据；对样本非平衡数据进行随机划分得到训练集和测试集；所述训练集包括正类训练集和负类训练集；所述测试集包括正类测试集和负类测试集；获取所述正类训练集的类中心c1和所述负类训练集的类中心c2以及所述训练集的中心c；将所述类中心c1与所述训练集的中心c之差确定为正类超平面法向量w1，将所述类中心c2与所述训练集的中心c之差确定为负类超平面法向量w2，将所述类中心c1与所述类中心c2之差的模确定为两类类中心的距离T；根据所述类中心c1、所述类中心c2、所述法向量w1和所述法向量w2确定经过所述类中心c1的正类超平面和经过所述类中心c2的负类超平面；根据所述类中心c1、所述类中心c2、所述法向量w1和所述法向量w2确定第一距离di+、第二距离di‑、第三距离dli+和第四距离dli‑；所述第一距离di+表示所述正类训练集中的正类数据到所述正类超平面的距离；所述第二距离di‑表示所述负类训练集中的负类数据到所述负类超平面的距离；所述第三距离dli+表示所述正类训练集中的正类数据经过所述类中心c2到所述负类超平面的距离；所述第四距离dli‑表示所述负类训练集中的负类数据经过类中心c1到所述正类超平面的距离；根据近邻算法确定正类训练集中正类数据的紧密度Ci+，根据近邻算法确定负类训练集中负类数据的紧密度Ci‑；根据所述第一距离di+、所述第二距离di‑、所述第三距离dli+、所述第四距离dli‑、所述紧密度Ci+、所述紧密度Ci‑和所述两类类中心的距离T确定模糊隶属度函数(1)，其中，Si+表示正类数据模糊隶属度，Si‑表示负类数据模糊隶属度，ε表示半径控制因子，σ表示样本权值赋予参数；根据所述模糊隶属度函数(1)及模糊双支持向量机确定分类模型(2)，s.t.‑(Bw1+e2b1)T+ξ≥e2，ξi≥0s.t.‑(Aw2+e1b2)T+ξ≥e1，ξi≥0      (2)；其中，FTWSVM1表示正类分类超平面，A表示第一待分类数据，w1表示正类分类超平面的法向量，e1表示元全部等于1的正类列向量，b1表示第一常数，d1表示第一惩罚参数，SA表示第一待分类数据的模糊隶属度，ξ表示松弛因子，s.t.表示约束条件，B表示第二待分类数据，e2表示元全部等于1的负类列向量，FTWSVM2表示负类分类超平面，w2表示负类分类超平面的法向量，b2表示第二常数，d2表示第二惩罚参数，SB表示第二待分类数据的模糊隶属度；以样本非平衡数据的训练集和测试集作为分类模型(2)的输入，以测试集的查全率、查准率、g‑mean和F值作为分类模型(2)的输出，采用网格搜索算法和交叉验证法确定优化后的第一惩罚参数d1和优化后的第二惩罚参数d2，得到优化后的分类模型；获取待测非平衡数据；以所述待测非平衡数据作为所述优化后的分类模型的输入，得到对所述待测非平衡数据的分类结果。