[發(fā)明專利]代價敏感神經(jīng)網(wǎng)絡(luò)的調(diào)整方法、裝置、設(shè)備及介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010107273.1
• 申請日: 2020-02-21
• 公開（公告）號: CN111340174A
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計）人: 王楠
• 申請（專利權(quán)）人: 黑龍江大學(xué)
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06Q30/06
• 代理公司: 北京東方億思知識產(chǎn)權(quán)代理有限責(zé)任公司 11258
• 代理人: 彭瓊

1.一種代價敏感神經(jīng)網(wǎng)絡(luò)的調(diào)整方法，其特征在于，所述方法包括：

在用于不均衡數(shù)據(jù)預(yù)測的代價敏感神經(jīng)網(wǎng)絡(luò)的損失函數(shù)中配置第一代價矩陣；

在所述代價敏感神經(jīng)網(wǎng)絡(luò)的判別函數(shù)中配置第二代價矩陣；

調(diào)整所述第一代價矩陣和所述第二代價矩陣，直至不均衡數(shù)據(jù)樣本集中正樣本的召回率為1；其中，不均衡數(shù)據(jù)樣本集中屬于少數(shù)類的樣本為正樣本，不均衡數(shù)據(jù)包括不均衡航班數(shù)據(jù)或除所述航班數(shù)據(jù)之外的其他不均衡數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述在用于不均衡數(shù)據(jù)預(yù)測的代價敏感神經(jīng)網(wǎng)絡(luò)的損失函數(shù)中配置第一代價矩陣，包括：

在所述損失函數(shù)中配置所述第一代價矩陣的第一分類代價和第一分類代價閾值；

所述在所述代價敏感神經(jīng)網(wǎng)絡(luò)的判別函數(shù)中配置第二代價矩陣，包括：

在所述判別函數(shù)中配置所述第二代價矩陣的第二分類代價和第二分類代價閾值。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述調(diào)整所述第一代價矩陣和所述第二代價矩陣，直至不均衡數(shù)據(jù)樣本集中正樣本的召回率為1，包括：

調(diào)整所述第一分類代價、所述第一分類代價閾值、所述第二分類代價和所述第二分類代價閾值，直至所述不均衡數(shù)據(jù)樣本集中正樣本的召回率為1。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述調(diào)整所述第一分類代價、所述第一分類代價閾值、所述第二分類代價和所述第二分類代價閾值，直至所述不均衡數(shù)據(jù)樣本集中正樣本的召回率為1，包括：

基于包括被所述代價敏感神經(jīng)網(wǎng)絡(luò)分類錯誤的樣本的測試集，調(diào)整所述第一分類代價、所述第一分類代價閾值、所述第二分類代價和所述第二分類代價閾值，直至所述不均衡數(shù)據(jù)樣本集中正樣本的召回率為1。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述基于包括被所述代價敏感神經(jīng)網(wǎng)絡(luò)分類錯誤的樣本的測試集，調(diào)整所述第一分類代價、所述第一分類代價閾值、所述第二分類代價和所述第二分類代價閾值，直至所述不均衡數(shù)據(jù)樣本集中正樣本的召回率為1，包括：

基于當(dāng)前的所述第一分類代價和所述第二分類代價，檢測所述測試集中正樣本的召回率是否為1；

若所述測試集中正樣本的召回率不為1，調(diào)整所述第一分類代價；判斷調(diào)整后的所述第一分類代價是否大于所述第一分類代價閾值；若所述調(diào)整后的所述第一分類代價不大于所述第一分類代價閾值，基于當(dāng)前的所述第一分類代價和所述第二分類代價，檢測所述測試集中正樣本的召回率是否為1，并繼續(xù)調(diào)整所述第一分類代價，直至所述測試集中正樣本的召回率為1或所述調(diào)整后的所述第一分類代價大于所述第一分類代價閾值；

若所述調(diào)整后的所述第一分類代價大于所述第一分類代價閾值，調(diào)整所述第一分類代價閾值，并調(diào)整所述第二分類代價，判斷調(diào)整后的所述第二分類代價是否大于所述第二分類代價閾值；若所述調(diào)整后的所述第二分類代價不大于所述第二分類代價閾值，基于當(dāng)前的所述第一分類代價和所述第二分類代價，檢測所述測試集中正樣本的召回率是否為1，并繼續(xù)調(diào)整所述第二分類代價，直至所述測試集中正樣本的召回率為1或所述調(diào)整后的所述第二分類代價大于所述第二分類代價閾值；

若所述調(diào)整后的所述第二分類代價大于所述第二分類代價閾值，則返回所述調(diào)整所述第一分類代價的步驟繼續(xù)執(zhí)行。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，以預(yù)設(shè)代價調(diào)整值調(diào)整所述第一分類代價和所述第二分類代價，以預(yù)設(shè)閾值調(diào)整值調(diào)整所述第一分類代價閾值和所述第二分類代價閾值。

7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述方法還包括：

從不均衡數(shù)據(jù)樣本集中提取被所述代價敏感神經(jīng)網(wǎng)絡(luò)分類錯誤的樣本；

基于所提取的樣本，生成所述測試集。