[發(fā)明專利]一種基于D-SMOTE的離散數(shù)據(jù)過采樣方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110025365.X
• 申請(qǐng)日: 2021-01-08
• 公開（公告）號(hào): CN112685515B
• 公開（公告）日: 2022-08-12
• 發(fā)明（設(shè)計(jì)）人: 謝國;上官安琪;穆凌霞;費(fèi)蓉;姬文江;黑新宏;辛菁;馬佳琳;李思雨;陳文斌
• 申請(qǐng)（專利權(quán)）人: 西安理工大學(xué)
• 主分類號(hào): G06F16/28
• 分類號(hào): G06F16/28;G06F16/245
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 王敏強(qiáng)

1.一種基于D-SMOTE的離散數(shù)據(jù)過采樣方法，其特征在于，具體按照以下步驟實(shí)施：

步驟1、通過人為或記錄儀記錄交通事故樣本；

步驟2、確定所述步驟1得到的事故樣本中的最多類樣本與多個(gè)少類樣本，并通過隨機(jī)選取方式確定三角閉環(huán)空間；

所述步驟2具體如下：

步驟2.1、假設(shè)交通事故樣本有n類，其中，L_l是最多類樣本，L_s,s＝{1,...,n,s≠l}是多個(gè)少類樣本；

步驟2.2、確定少類樣本中閉環(huán)空間的三個(gè)頂點(diǎn)為x^s、m₁^s、m₂^s，隨機(jī)選取少類樣本L_s中的樣本x^s，并在x^s周圍隨機(jī)選擇一個(gè)樣本m₁^s，將m₁^s周圍的少類樣本L_s的數(shù)量記為k^s，其他類別樣本的數(shù)量記為k₁^s；

步驟2.3、如果k^s＝0，m₁^s代表噪聲，刪除該樣本；如果k^s＜＜k₁^s，m₁^s代表邊緣樣本；如果k^s＞＞k₁^s，m₁^s則是有效的樣本，并將m₁^s認(rèn)為是閉環(huán)空間的一個(gè)頂點(diǎn)，閉環(huán)空間的另外一個(gè)頂點(diǎn)m₂^s的選取步驟與m₁^s一致，因此，三個(gè)頂點(diǎn)x^s、m₁^s、m₂^s形成一個(gè)閉環(huán)空間；

步驟3、計(jì)算所述步驟2中最多類樣本與多個(gè)少類樣本之間的比值λ，將該比值作為少類樣本的采樣倍率；

所述步驟3具體如下：

少類樣本L_s的數(shù)量為N_s，最多類樣本L_l的數(shù)量為N_l，記λ_s為少類樣本L_s與最多類樣本L_l之間的采樣倍率，其中，λ_s＝N_l/N_s；

步驟4、通過改進(jìn)插值公式，產(chǎn)生帶有離散特征的少類樣本數(shù)據(jù)，

所述步驟4利用改進(jìn)的插值公式在閉環(huán)空間中生成新的少類樣本P_s，具體如下：

步驟4.1、在樣本m₁^s與樣本m₂^s之間生成新的樣本集，m₁^s與m₂^s之間需要通過改進(jìn)的插值公式產(chǎn)生新的事故樣本，改進(jìn)的插值公式如(2)所示：

其中，i＝2,...,λ_s,s＝1,...,n,s≠l，t_i^s為樣本m₁^s與樣本m₂^s之間生成的第i個(gè)新樣本，rand(1,i/(i-1))為(1,i/(i-1))之間的隨機(jī)值,λ_s為采樣倍率；

步驟4.2、在樣本x^s與樣本t_i^s之間生成新的樣本集，x^s與t_i^s之間需要通過改進(jìn)的插值公式產(chǎn)生新的事故樣本，改進(jìn)的插值公式如(3)所示：

其中，h_i^s為樣本x^s與樣本t_i^s之間生成的第i個(gè)新樣本，λ_s是采樣倍率，i為采樣個(gè)數(shù)，所生成的h_i^s與t_i^s均為新的少類樣本P_s；

步驟4.3、新的少類樣本P_s能夠有效提高離散非均衡事故樣本的質(zhì)量，進(jìn)一步地提高后期事故預(yù)測效果。