[發(fā)明專利]一種基于可接受區(qū)域的高維小樣本數(shù)據(jù)擴(kuò)充方法

在審

• 申請?zhí)枺?/td>: 202210840445.5
• 申請日: 2022-07-18
• 公開（公告）號: CN115169470A
• 公開（公告）日: 2022-10-11
• 發(fā)明（設(shè)計）人: 陳志文;邸若海;呂志剛;王鵬;李曉艷;賀楚超;張玉芳;陳晨
• 申請（專利權(quán)）人: 西安工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西安新思維專利商標(biāo)事務(wù)所有限公司 61114
• 代理人: 黃秦芳

本發(fā)明為一種基于可接受區(qū)域的高維小樣本數(shù)據(jù)擴(kuò)充方法，其克服了現(xiàn)有技術(shù)中存在的難以生成合理虛擬數(shù)據(jù)、虛擬數(shù)據(jù)存在的特征組合錯誤、較難劃定有效的范圍限制虛擬數(shù)據(jù)的生成的問題。本發(fā)明包括以下步驟：步驟1：分析數(shù)據(jù)并確定數(shù)據(jù)的整體趨勢；步驟2：確定輸入特征之間的分布趨勢；步驟3：劃定可接受區(qū)域：針對每一個特征劃定其可接受區(qū)域Q，可接受區(qū)域由兩部分組成，一部分是廣義允許范圍Q_a，另一部分是互影響存在范圍Q_β；步驟4：產(chǎn)生虛擬數(shù)據(jù)：先在輸入特征空間的可接受區(qū)域Q_X內(nèi)基于小樣本與可接受區(qū)域的多元聯(lián)合概率分布采樣，再通過y^q與X之間的關(guān)系映射到輸出特征空間，最終形成在輸出特征空間的可接受區(qū)域Q_Y內(nèi)的虛擬數(shù)據(jù)。

技術(shù)領(lǐng)域：

本發(fā)明屬于虛擬數(shù)據(jù)擴(kuò)充技術(shù)領(lǐng)域，涉及一種基于可接受區(qū)域的高維小樣本數(shù)據(jù)擴(kuò)充方法，可用于小樣本數(shù)據(jù)集條件下針對實際問題中的時間序列進(jìn)行虛擬樣本生成，并利用生成的樣本進(jìn)行建模。

背景技術(shù)：

小樣本存在數(shù)據(jù)量稀少情況下無法構(gòu)建有效機(jī)器學(xué)習(xí)模型的問題，主要有兩種技術(shù)途徑，一種是數(shù)據(jù)擴(kuò)充，另一種是模型優(yōu)化。本發(fā)明屬于數(shù)據(jù)擴(kuò)充方法這個范疇。

目前主流的數(shù)據(jù)擴(kuò)充方法有基于分布的虛擬樣本擴(kuò)充技術(shù)和基于先驗知識的虛擬樣本擴(kuò)充技術(shù)。基于分布的虛擬樣本擴(kuò)充技術(shù)有Bootstrap、整體趨勢擴(kuò)散(MTD)等。Bootstrap是一種重采樣技術(shù)，其優(yōu)點是可以通過抽樣分布模擬真實分布，但缺點是并未產(chǎn)生新樣本，該方法只是對原始樣本集的再分配。MTD在某些場景中是公認(rèn)有效的虛擬樣本擴(kuò)充技術(shù)，但由于該方法將每一種輸入特征單獨產(chǎn)生，存在虛擬數(shù)據(jù)組合錯誤導(dǎo)致虛擬樣本有效性差的問題。基于先驗知識的虛擬樣本擴(kuò)充技術(shù)是利用先驗知識或從有限樣本中提取知識后產(chǎn)生虛擬數(shù)據(jù)。在這類方法中，先驗知識的準(zhǔn)確程度直接決定了虛擬樣本的好壞。因此能否獲取準(zhǔn)確的先驗知識成為使用這類方法的決定因素。從有限樣本中提取知識來產(chǎn)生虛擬數(shù)據(jù)的方法則存在如何提取出有效的知識、判斷提取出的知識是否適用于該類對象等問題。

發(fā)明內(nèi)容：

本發(fā)明的目的在于提供一種基于可接受區(qū)域的高維小樣本數(shù)據(jù)擴(kuò)充方法，其克服了現(xiàn)有技術(shù)中存在的難以生成合理虛擬數(shù)據(jù)、虛擬數(shù)據(jù)存在的特征組合錯誤、較難劃定有效的范圍限制虛擬數(shù)據(jù)的生成的問題。本發(fā)明規(guī)避了在產(chǎn)生虛擬輸入特征時的組合錯誤問題，并避免了各種中間模型帶來的不確定性，能夠有效地在高維空間中生成符合小樣本數(shù)據(jù)特征的虛擬數(shù)據(jù)。

為實現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：

一種基于可接受區(qū)域的高維小樣本數(shù)據(jù)擴(kuò)充方法，其特征在于：包括以下步驟：

步驟1：分析數(shù)據(jù)并確定數(shù)據(jù)的整體趨勢；

步驟2：確定輸入特征之間的分布趨勢；

步驟3：劃定可接受區(qū)域：

針對每一個特征劃定其可接受區(qū)域Q，可接受區(qū)域由兩部分組成，一部分是廣義允許范圍Q_a，另一部分是互影響存在范圍Q_β；

可接受區(qū)域Q與廣義允許范圍Q_a、互影響存在范圍Q_β的關(guān)系為：

步驟4：產(chǎn)生虛擬數(shù)據(jù)：

先在輸入特征空間的可接受區(qū)域Q_X內(nèi)基于小樣本與可接受區(qū)域的多元聯(lián)合概率分布采樣，再通過y^q與X之間的關(guān)系映射到輸出特征空間，最終形成在輸出特征空間的可接受區(qū)域Q_Y內(nèi)的虛擬數(shù)據(jù)。

步驟3包括以下步驟

3.1設(shè)定廣義允許范圍；

3.2設(shè)定互影響存在范圍；