[發明專利]基于密度的不平衡數據混合采樣算法

在審

• 申請號: 202110762213.8
• 申請日: 2021-07-06
• 公開（公告）號: CN113378987A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 姜誠;萬靜;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.基于密度的不平衡數據混合采樣算法，該算法包括以下步驟：

(1)設原數據中總樣本數目為H，對少數類和多數類樣本使用DBSCAN聚類算法，識別并剔除少數類和多數類噪聲樣本，最后得到少數類樣本數目為X，多數類樣本數目為Y；

(2)對于每個樣本，依據樣本的K近鄰總距離，計算樣本的局部密度，依據局部密度設置閾值，將少數類和多數類分為邊界區域和非邊界區域；

(3)對于每個邊界區域的少數類，依據樣本的邊界密度大小，歸一化處理，確定樣本的權重，每個少數類周圍合成不同數目的樣本；

(4)對于每個非邊界區域的多數類樣本，依據樣本的邊界密度大小，進行隨機欠采樣，得到與少數類過采樣后相同數目的平衡數據樣本；

(5)平衡訓練集運用隨機森林分類器進行分類訓練測試，并與SMOTE、RUS等經典過采樣和欠采樣方法對比。

2.根據權利要求所述的基于密度的不平衡數據混合采樣算法，其特征在于，步驟(1)中需要依據DBSCAN聚類算法的結果，選擇聚類簇樣本數目低于閾值a的離群樣本簇，并對該簇進行剔除。

3.根據權利要求所述的基于密度的不平衡數據混合采樣算法，其特征在于，步驟(2)中計算局部密度計算選擇K近鄰樣本時，采用歐氏距離，并通過到每個K近鄰樣本的總距離作為樣本的局部密度。

4.根據權利要求所述的基于密度的不平衡數據混合采樣算法，其特征在于，步驟(3)中對于每個少數類邊界樣本，選取最近集合S中的兩個樣本X、Y，在兩個樣本連線上隨機選取一點x_q，在與原邊界樣本的連線上，合成單個樣本x_d，并重復相應的采樣次數，得到新生成的平衡數據集，生成新樣本x_d公式：

x_d＝m_i+rand(0，1)*(x_q-m_i)

其中rand(0，1)表示0到1之間的隨機數。

5.根據權利要求所述的基于密度的不平衡數據混合采樣算法，其特征在于，步驟(4)中對于每個多數類非邊界樣本，依據局部密度的大小，分段采樣，這樣盡可能的保證了多數類樣本的原始分布。

6.根據權利要求所述的基于密度的不平衡數據混合采樣算法，其特征在于，步驟(5)中選擇7組實驗數據集，采用十折交叉檢驗法，并使用F-value和G-mean等作為評價指標進行對比。