[发明专利]基于正则化动态集成的不平衡数据分类方法

摘要

本发明公开了基于正则化动态集成的不平衡数据分类方法，包括依次进行的以下步骤：将测试数据集分离，生成K个高斯分布的混合高斯模型；生成子数据集，具体为：每个高斯质心生成两个不同的子数据集，第一个子数据集的大小为多数数据的基数除以高斯质心的数量，另一个也包含多数实例，其大小等于少数实例的数量；将第二类子数据集与从集合中随机选择的个多数实例组合；将两个生成的多数数据集与少数数据集Xk组合，将第一类子数据集中被视为噪声的实例移除；基于每个子数据集生成多个子分类器，并构建各个子分类器；将子分类器线性组合；确定分类结果。本发明能降低关于数据量的计算复杂度，减轻了过拟合现象，能减小训练数据偏差，提升算法稳定性。

主权项

1.基于正则化动态集成的不平衡数据分类方法，其特征在于，包括以下步骤：步骤一、将测试数据集分离为多数数据集和少数数据集根据多数数据生成K个高斯分布的混合高斯模型；步骤二、基于不同的高斯质心生成子数据集，具体为：每个高斯质心生成两个不同的子数据集，第一个子数据集将选择个最相关的多数实例，第二个子数据集将选择m_k个最相关的多数实例，其中，m_n是多数数据的大小；m_k是少数数据的大小；所有高斯质心生成的第一个子数据集共同构成第一类子数据集，所有高斯质心生成的第二个子数据集共同构成第二类子数据集；步骤三、将第二类子数据集与从集合中随机选择的个多数实例组合；步骤四、将两个生成的多数数据集与少数数据集组合，采用Tomek Link的方式将第一类子数据集中被视为噪声的实例移除；步骤五、基于每个子数据集生成多个子分类器，并采用梯度提升方法构建各个子分类器；步骤六、将子分类器线性组合，其中，线性组合模型的系数由具有交叉熵损失的随机梯度下降进行训练；步骤七、根据加权概率和最佳阈值确定分类结果。