[發(fā)明專利]一種基于二叉樹結(jié)構(gòu)的不平衡數(shù)據(jù)處理方法

在審

• 申請?zhí)枺?/td>: 201810320811.8
• 申請日: 2018-04-11
• 公開（公告）號: CN108920477A
• 公開（公告）日: 2018-11-30
• 發(fā)明（設(shè)計）人: 胡勤生;梁亞玲;杜明輝
• 申請（專利權(quán)）人: 華南理工大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 廣州市華學(xué)知識產(chǎn)權(quán)代理有限公司 44245
• 代理人: 劉巧霞

1.一種基于二叉樹結(jié)構(gòu)的不平衡數(shù)據(jù)集的處理方法，其特征在于，具體步驟包括：

(1)將原始數(shù)據(jù)集Ω按標(biāo)簽劃分為正樣本空間集合Ω_P和負(fù)樣本空間集合Ω_N，同時創(chuàng)建負(fù)樣本空間集合的副本C_N；

(2)選擇每個平衡樣本集合的樣本平衡比r、選擇樹的深度D、葉子節(jié)點(diǎn)的最少樣本數(shù)量LeafMin以及基于原型聚類的基聚類算法Γ；

(3)采用步驟(2)中所選擇的基聚類算法Γ將負(fù)樣本集合C_N劃分為2個不相交的簇C_i,i＝1,2；

(4)根據(jù)分裂準(zhǔn)則，判斷步驟(3)中所劃分的簇，即C_N←C_i,i＝1,2是否滿足分裂準(zhǔn)則；若滿足分裂準(zhǔn)則，則對負(fù)樣本集合C_N重復(fù)步驟(3)和步驟(4)直至當(dāng)前負(fù)樣本集合C_N不再滿足分裂準(zhǔn)則；遞歸完畢后，形成二叉樹Τ；

(5)對步驟(4)得到的二叉樹葉子節(jié)點(diǎn)上的每個負(fù)樣本集合Θ_j進(jìn)行所有特征x_nm^(j)的歸一化處理，歸一化后求解特征差異度方差FeatureVar_(k)和特征極差程度FeatureRange_(k)兩個參數(shù)；重復(fù)步驟(5)多次，根據(jù)特征差異度方差FeatureVar_(k)和特征極差程度FeatureRange_(k)，挑選出最佳的負(fù)樣本集合

(6)對步驟(5)得到的最佳負(fù)樣本集合按照一定比例進(jìn)行抽樣，得到平衡負(fù)樣本集合Ψ；

(7)將原始空間中的正樣本集合Ω_P與步驟(6)得到的平衡負(fù)樣本集合Ψ構(gòu)成一個平衡樣本集合Ω_balance。

2.根據(jù)權(quán)利要求1所述的一種基于二叉樹結(jié)構(gòu)的不平衡數(shù)據(jù)處理方法，其特征在于，步驟(1)中劃分后的正樣本空間集合大小為|Ω_P|，負(fù)樣本空間集合大小為|Ω_N|，且正、負(fù)樣本空間集合有如下關(guān)系：

3.根據(jù)權(quán)利要求1所述的一種基于二叉樹結(jié)構(gòu)的不平衡數(shù)據(jù)處理方法，其特征在于，在步驟(2)的選擇過程中，樹的深度和葉子節(jié)點(diǎn)的最少樣本數(shù)量須同時滿足D＞0，LeafMin≥2；通過樹的深度D以及葉子節(jié)點(diǎn)最少樣本數(shù)量LeafMin來確定分裂準(zhǔn)則；當(dāng)當(dāng)前樹的深度以及葉子節(jié)點(diǎn)的最少樣本數(shù)量滿足D＞0，LeafMin≥2時，繼續(xù)對節(jié)點(diǎn)進(jìn)行分裂。

4.根據(jù)權(quán)利要求1所述的一種基于二叉樹結(jié)構(gòu)的不平衡數(shù)據(jù)處理方法，其特征在于，步驟(4)中，形成二叉樹具體方法為：

將步驟(3)中得到的C_i,i＝1,2先后記為C_N，即C_N←C_i,i＝1,2；再根據(jù)分裂準(zhǔn)則D'＜D，|C_N|＞＝LeafMin判斷是否繼續(xù)分裂；若滿足分裂準(zhǔn)則，則對負(fù)樣本集合C_N重復(fù)步驟(3)和步驟(4)，直到當(dāng)前負(fù)樣本集合不再滿足分裂準(zhǔn)則；遞歸完畢后，最終所形成二叉樹為Τ，記二叉樹Τ上的葉子節(jié)點(diǎn)上的負(fù)樣本集合為Θ_j，j＝1,2,.....S；葉子節(jié)點(diǎn)個數(shù)滿足0＜m≤2^D。

5.根據(jù)權(quán)利要求1所述的一種基于二叉樹結(jié)構(gòu)的不平衡數(shù)據(jù)處理方法，其特征在于，步驟(5)中進(jìn)行歸一化處理，具體為：

對每一個負(fù)樣本集合Θ_j進(jìn)行所有特征x_nm^(j)的歸一化處理，其中，j表示第j個負(fù)樣本集合，n表示負(fù)樣本集合中第n個樣本，m表示負(fù)樣本集合中第m個特征；

對于每個負(fù)樣本集合中的元素按照

其中，N^(j)表示第j個負(fù)樣本集合Θ_j中樣本的個數(shù)，M表示原始樣本空間的特征維度。