[發明專利]一種基于譜聚類的過采樣方法

在審

• 申請號: 202011462702.3
• 申請日: 2020-12-14
• 公開（公告）號: CN112418352A
• 公開（公告）日: 2021-02-26
• 發明（設計）人: 張爽;李媛潔;紀耀立
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于譜聚類的過采樣方法，其特征在于，包括以下步驟：

步驟1：對不平衡數據集作為輸入，區分出少數類樣本和多數類樣本，計算原始數據的不平衡比；

步驟2：將不平衡數據集利用譜聚類，劃分為多個簇；

步驟3：根據簇內有無多數類或少數類篩選出邊界簇和安全簇，并且根據各類簇所占比例確定簇的選擇權重；

步驟4：對于邊界簇，根據簇內的不平衡比分別進行過采樣；

步驟5：對于安全簇，根據密度分別進行過采樣；

步驟6：重復步驟3-5直至生成數據個數等于所需數據，并將生成的數據集添加到原始數據集中，構造成新的數據集。

2.根據權利要求1所述的基于譜聚類的過采樣方法，其特征在于，所述步驟2中，將不平衡數據集利用譜聚類，劃分為多個簇，具體步驟如下：

步驟2.1 利用KNN算法遍歷所有的樣本點，取每個樣本最近的K個樣本點作為近鄰，計算樣本點與其所對應的近鄰樣本之間之間的高斯距離，并通過兩個樣本點之間高斯距離構造相似矩陣A；

步驟2.2 通過相似矩陣A構造度矩陣D；

步驟2.3 根據相似矩陣A和度矩陣D，構造拉普拉斯矩陣L；

步驟2.4 計算拉普拉斯矩陣L所對應的特征值，找出最小的k個特征值和特征值所對應的特征向量；

步驟2.5 通過各個特征向量作為列向量構造特征矩陣R，其中R為n行k列矩陣；

步驟2.6 將n行當作n個樣本點，采用k-means方法進行聚類，得到所需簇。

3.根據權利要求1所述的基于譜聚類的過采樣方法，其特征在于，所述步驟3中，根據簇內有無多數類或少數類篩選出邊界簇和安全簇，并且根據各類簇所占比例確定簇的選擇權重，具體步驟為：

步驟3.1 將只含有多數類樣本的簇定義為危險簇，只含有少數類樣本的簇定義為安全簇，其余簇定義為邊界簇；

步驟3.2 計算邊界簇以及安全簇分別占有對應兩種簇的比例。

4.根據權利要求1所述的基于譜聚類的過采樣方法，其特征在于，所述步驟4中，對于邊界簇，根據簇內的不平衡比分別進行過采樣，具體步驟為：

步驟4.1 計算各個邊界簇計算簇內的多數類與少數類的不平衡比率IRC；

步驟4.2 根據各個簇的不平衡比率IRC，進行歸一化確定邊界簇中簇的選擇概率p1；

步驟4.3 在選擇好的簇中隨機選擇簇內兩個少數類樣本點，在各個維度中線性隨機插值構造新的樣本點。

5.根據權利要求1所述的基于譜聚類的過采樣方法，其特征在于，在所述步驟5中，對于安全簇，根據密度分別進行過采樣，具體過程為：

步驟5.1 計算安全簇中簇內樣本個數；

步驟5.2 根據簇內個數歸一化操作得到0-1的數q，其中簇內樣本點個數越多，其值越靠近1；

步驟5.3 安全簇的選擇概率p2=1-q；

步驟5.4 在選擇好的簇中隨機選擇簇內兩個少數類樣本點，在各個維度中線性隨機插值構造新的樣本點。