[發(fā)明專利]一種數(shù)據(jù)分類方法、裝置、設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810190818.2
• 申請(qǐng)日: 2018-03-08
• 公開（公告）號(hào): CN108491474A
• 公開（公告）日: 2018-09-04
• 發(fā)明（設(shè)計(jì)）人: 伍文岳
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 深圳市精英專利事務(wù)所 44242
• 代理人: 林燕云

1.一種數(shù)據(jù)分類方法，其特征在于，包括：

獲取樣本集，所述樣本集包括一多數(shù)類樣本集和一少數(shù)類樣本集；

根據(jù)所述多數(shù)類樣本集的總樣本數(shù)目與所述少數(shù)類樣本集的總樣本數(shù)目的比值確定第一類樣本集的預(yù)設(shè)份數(shù)和預(yù)設(shè)樣本個(gè)數(shù)，所述預(yù)設(shè)份數(shù)為奇數(shù)；

從所述多數(shù)類樣本集中隨機(jī)抽取所述預(yù)設(shè)樣本個(gè)數(shù)的樣本形成一份所述第一類樣本集，重復(fù)多次抽取以得到所述預(yù)設(shè)份數(shù)的第一類樣本集；

根據(jù)所述少數(shù)類樣本集的總樣本數(shù)目和所述預(yù)設(shè)樣本個(gè)數(shù)確定需要生成的新樣本的預(yù)計(jì)總數(shù)目；

根據(jù)所述預(yù)計(jì)總數(shù)目利用所述少數(shù)類樣本集生成新樣本，并將所述新樣本與所述少數(shù)類樣本集混合形成第二類樣本集；

分別將每份所述第一類樣本集與所述第二類樣本集進(jìn)行機(jī)器學(xué)習(xí)得到對(duì)應(yīng)的分類模型；

利用所述分類模型對(duì)待分類數(shù)據(jù)進(jìn)行預(yù)測(cè)分類，得到對(duì)應(yīng)的預(yù)測(cè)結(jié)果；

分別統(tǒng)計(jì)不同預(yù)測(cè)結(jié)果的數(shù)量，將數(shù)量較多的預(yù)測(cè)結(jié)果確定為分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的數(shù)據(jù)分類方法，其特征在于，所述根據(jù)所述預(yù)計(jì)總數(shù)目利用所述少數(shù)類樣本集生成新樣本，包括：

依次將所述少數(shù)類樣本集中的一個(gè)樣本確定為參考樣本；

獲取每個(gè)參考樣本的近鄰樣本；

分別統(tǒng)計(jì)每個(gè)參考樣本的近鄰樣本的第一數(shù)量；

根據(jù)所述第一數(shù)量與所述少數(shù)類樣本集的總樣本數(shù)目計(jì)算對(duì)應(yīng)參考樣本的非近鄰樣本的第二數(shù)量；

計(jì)算所述第二數(shù)量占所述少數(shù)類樣本的總樣本數(shù)目的比例；

將每個(gè)參考樣本的所述比例進(jìn)行歸一化處理，得到對(duì)應(yīng)的歸一化比例；

根據(jù)每個(gè)所述歸一化比例和所述預(yù)計(jì)總數(shù)目分別計(jì)算對(duì)應(yīng)的第三數(shù)量；

根據(jù)所述第三數(shù)量和所述第一數(shù)量選擇對(duì)應(yīng)參考樣本的近鄰樣本，根據(jù)所述參考樣本和所述近鄰樣本生成新樣本。

3.根據(jù)權(quán)利要求2所述的數(shù)據(jù)分類方法，其特征在于，所述根據(jù)所述第三數(shù)量和所述第一數(shù)量選擇對(duì)應(yīng)參考樣本的近鄰樣本，根據(jù)所述參考樣本和所述近鄰樣本生成新樣本，包括：

計(jì)算所述第三數(shù)量與所述第一數(shù)量的商值；

判斷所述商值是否小于1；

若是，則從所述參考樣本的近鄰樣本中選擇所述第三數(shù)量的近鄰樣本，所述第三數(shù)量的近鄰樣本與所述參考樣本的距離均比剩余的近鄰樣本與所述參考樣本的距離遠(yuǎn)，分別將每個(gè)選擇的近鄰樣本與所述參考樣本組成樣本對(duì)，分別利用一個(gè)樣本對(duì)生成一個(gè)新樣本；

若否，則根據(jù)四舍五入法則取整數(shù)，將所述參考樣本的每個(gè)近鄰樣本分別與所述參考樣本組成樣本對(duì)，分別利用一個(gè)樣本對(duì)生成所述整數(shù)個(gè)新樣本。

4.根據(jù)權(quán)利要求3所述的數(shù)據(jù)分類方法，其特征在于，利用一個(gè)樣本對(duì)生成一個(gè)新樣本，包括：

獲取所述樣本對(duì)中的參考樣本在i維空間的特征向量An(a1,a2,……,ai)以及近鄰樣本的特征向量Bk(b1,b2,……,bi)；

隨機(jī)生成一個(gè)比例值t，其中，0＜t＜1；

計(jì)算所需生成的新樣本的特征向量Cnk(c1,c2,……，ci)，其中，ci＝ai+t*(bi-ai)，在所述i維空間生成具有所述特征向量Cnk(c1,c2,……，ci)的樣本。

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，利用一個(gè)樣本對(duì)生成所述整數(shù)個(gè)新樣本，包括：

獲取所述樣本對(duì)中的參考樣本在i維空間的特征向量An(a1,a2,……,ai)以及近鄰樣本的特征向量Bk(b1,b2,……,bi)；

隨機(jī)生成j個(gè)比例值t_x，其中，0＜t_x＜1，x＝1,2,……,j，j等于所述整數(shù)，且所有比例值t_x均不相同；

計(jì)算所需生成的所述整數(shù)個(gè)新樣本的特征向量Cnk_x(c1,c2,……，ci)，其中，ci＝ai+t_x*(bi-ai)，在所述i維空間生成具有特征向量Cnk_x(c1,c2,……，ci)的樣本。