[發明專利]基于混合框架的不均衡分類方法、系統、設備和存儲介質

有效

• 申請號: 202110708211.0
• 申請日: 2021-06-24
• 公開（公告）號: CN113378963B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 郭得科;陳銳;羅來龍;陳穎文
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F18/2431
• 分類號: G06F18/2431;G06F18/214
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 曾志鵬

1.一種基于混合框架的不均衡分類方法，其特征在于，包括以下步驟：

獲取包含有多數類別的訓練數據集D_majority和少數類別的訓練數據集D_minority的給定初始數據集D；

通過隨機欠采樣方法來消除初始數據集D中多數類別的數據樣本，并生成一個新的多數類別據集，采用D_{majority_reduced}數據集表示減少后的子集；

通過隨機過采樣方法來增加初始數據集D中少數類別的數據樣本，并生成一個新的少數類別據集，采用D_{minority_increased}數據集表示增加后的子集；

將D_{majority_reduced}數據集與D_{majority_reduced}數據集相結合生成新的混合數據集D'，將混合數據集D'通過12個分類器訓練集成模型，獲取初始數據集的分類結果。

2.根據權利要求1所述的基于混合框架的不均衡分類方法，其特征在于，所述通過隨機欠采樣方法來消除初始數據集D中多數類別的數據樣本，并生成一個新的多數類別據集，采用D_{majority_reduced}數據集表示減少后的子集，包括，

通過隨機欠采樣從多數類數據集中進行樣本選擇，并通過預設的類別分布閾值確定樣本類別選擇的比例；

根據減少多數類別數據集的數量，用較少的內存實現相對快速的數據分類處理過程；

通過不同比例的隨機欠采樣，分析不均衡網絡異常檢測數據集對集成分類性能的影響。

3.根據權利要求1所述的基于混合框架的不均衡分類方法，其特征在于，所述通過隨機過采樣方法來增加初始數據集D中少數類別的數據樣本，并生成一個新的少數類數據集，采用D_{minority_increased}數據集表示增加后的子集，包括，

通過隨機過采樣方法對少數類別的數據樣本執行隨機復制，進而增加了少數類別樣本的數量；

通過隨機控制采樣比例，平衡少數類別的數據樣本之間的定量差異。

4.一種基于混合框架的不均衡分類系統，其特征在于，包括：

初始數據集給定模塊，獲取包含有多數類別的訓練數據集D_majority和少數類別的訓練數據集D_minority的給定初始數據集D；

欠采樣模塊，通過隨機欠采樣方法來消除初始數據集D中多數類別的數據樣本，并生成一個新的多數類別據集，采用D_{majority_reduced}數據集表示減少后的子集；

過采樣模塊，通過隨機過采樣方法來增加初始數據集D中少數類別的數據樣本，并生成一個新的少數類別據集，采用D_{minority_increased}數據集表示增加后的子集；

模型混合模塊，將D_{majority_reduced}數據集與D_{majority_reduced}數據集相結合生成新的混合數據集D'，將混合數據集D'通過12個分類器訓練集成模型，獲取初始數據集的分類結果。

5.根據權利要求4所述的基于混合框架的不均衡分類系統，其特征在于，所述欠采樣模塊包括樣本減少單元，所述樣本減少單元用于：

通過隨機欠采樣從多數類數據集中進行樣本選擇，并通過預設的類別分布閾值確定樣本類別選擇的比例；

根據減少多數類別數據集的數量，用較少的內存實現相對快速的數據分類處理過程；

通過不同比例的隨機欠采樣，分析不均衡網絡異常檢測數據集對集成分類性能的影響。

6.根據權利要4所述的基于混合框架的不均衡分類系統，其特征在于，所述過采樣模塊包括樣本增加單元，所述樣本增加單元用于：

通過隨機過采樣方法對少數類別的數據樣本執行隨機復制，進而增加了少數類別樣本的數量；

通過隨機控制采樣比例，平衡少數類別的數據樣本之間的定量差異。