[發明專利]基于熵和置信度的不平衡數據欠采樣方法

在審

• 申請號: 202210050779.2
• 申請日: 2022-01-17
• 公開（公告）號: CN114511008A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 馮鈺舒;馮本勇;張越;張麗萍;馮鈺珊
• 申請（專利權）人: 馮鈺舒
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安方諾專利代理事務所(普通合伙) 61285
• 代理人: 李思瓊

1.基于熵和置信度的不平衡數據欠采樣方法，其特征在于，包括以下步驟，

S1：定義不平衡數據集為X，其中包含N_n個多數樣本X_n和N_p個少數樣本X_p；

S2：計算每個多數樣本的熵

S3：利用多數樣本和少數樣本，基于RUS訓練第一個隨機森林分類器f₀(x)；

S4：基于置信度和熵，計算經過步驟S3訓練后的集合中多數樣本的最終秩Rank_i；

S5：用所有少數樣本X_p和具有最低秩的多數樣本訓練下一個隨機森林分類器；

S6：重復步驟S4和步驟S5，直到隨機森林分類器f_l(x)中的l大于L，得到由f_j(x)(j＝0，1，...，L)組成的集合，式中，l表示從一開始到現在累積的迭代次數，L為數據集增強迭代次數。

2.根據權利要求1所述的基于熵和置信度的不平衡數據欠采樣方法，其特征在于，步驟S2的具體操作包括以下步驟，

S201：將x_i∈X的模糊隸屬熵定義為

式中，k表示在歐幾里得距離中最接近多數樣本x_i的樣本數，表示最近的k個樣本中多數樣本的數量，表示最近的k個樣本中少數樣本的數量；

S202：計算每個多數樣本的類確定性熵Entropy^cer和結構密度熵Entropy^str；

S203：計算每個多數樣本的熵

式中，norm為歸一化系數，

3.根據權利要求2所述的基于熵和置信度的不平衡數據欠采樣方法，其特征在于，步驟S202中每個多數樣本的類確定性熵Entropy^cer的計算方法為式中，Entropy_max＝-ln 0.5，

4.根據權利要求3所述的基于熵和置信度的不平衡數據欠采樣方法，其特征在于，步驟S202中每個多數樣本的結構密度熵Entropy^str的計算方法為式中，d_iq＝||x_i-x_q||(q＝1，2，...，k)表示從所有類別的k個最近樣本到多數樣本x_i的歐幾里得距離。

5.根據權利要求4所述的基于熵和置信度的不平衡數據欠采樣方法，其特征在于，步驟S3的具體操作包括以下步驟，

S301：由RUS從多數樣本中選擇出個多數樣本，也即

S302：使用所有的N_p個少數樣本X_p，以及步驟S301中選出的多數樣本對第一個隨機森林分類器f₀(x)進行訓練，其中，隨機森林分類器可表示為f_j(x)(j＝0，1，...，L)，式中，T為隨機森林模型的樹數，

6.根據權利要求5所述的基于熵和置信度的不平衡數據欠采樣方法，其特征在于，步驟S4的具體操作包括以下步驟，

S401：計算經過步驟S3訓練后的集合中每個多數樣本的置信度Conf_iⁿ；

S402：將步驟S401計算得到的每個多數樣本的置信度Conf_iⁿ與步驟S2計算得到的對應多數樣本的熵進行加權，得到多數樣本的最終秩Rank_i(i＝1，2，...，N_n)；式中，λ為置信度和熵之間的權重系數。

7.根據權利要求6所述的基于熵和置信度的不平衡數據欠采樣方法，其特征在于，步驟S5的具體操作包括以下步驟，

S501：從具有最低的X_n中選擇

S502：用所有少數樣本X_p，以及步驟S501中選出的多數樣本，對隨機森林分類器進行訓練，