[发明专利]一种数据增强方法及装置

说明书

本发明实施例提供一种数据增强方法及装置，该方法包括：对不同标签下多维时序数据进行预处理，得到特征数据；对特征数据进行特征分析，获取特征数据中特征维与标签之间的相关系数，其中相关系数用于反映特征维和标签之间的关系；根据相关系数的大小，将预设数量的特征维作为主特征维，其余特征维为非主特征维；对非主特征维数据进行加权融合处理或加噪声处理，结合主特征维数据生成增强数据。本发明实施例提供的数据增强方法及装置，运用于多维特征数据的数据增强中，能够在保持原有数据主要特征不变的前提下，对非主要特征进行加权计算以达到增强数据的效果，能够在处理小样本数据集时，提高准确率和泛化能力。

技术领域

本发明涉及终端运维应用领域，尤其涉及一种数据增强方法及装置。

背景技术

随着计算机存储能力的提升和复杂算法的发展，近年来的数据量成指数型增长，来自网络、智能手机、传感器、相机以及其他途径的数据产生了巨大的商业价值。各大企业利用大数据分析来了解行业的发展趋势、用户的需求及喜好等问题，改变了现有的商业模式。在大数据的背景下，数据的来源问题往往是阻碍研究的主要问题，一旦缺乏足够量的数据集，会对研究结果产生极大的影响，在研究者自发采集数据的情况下，数据量往往难以达到研究者期望的水平。此时，数据增强技术就显得尤为重要。

现有的数据增强方法大多是应用在图像领域，主要是为了较少网络的过拟合现象，通过对数据进行变换可以得到泛化能力更强的网络，更好的适应应用场景。在图像领域中，现有的较为常用的数据增强方法有以下几种：

旋转/反射变换：随机旋转图像一定角度；改变图像内容的朝向。

翻转变换：沿着水平或者垂直方向翻转图像。

缩放变换：按照一定的比例放大或者缩小图像。

平移变换：在图像平面上对图像以一定方式进行平移。

尺度变换：对图像按照指定的尺度因子，进行放大或缩小；或参照SIFT特征提取思想，利用指定的尺度因子对图像滤波构造尺度空间，改变图像内容的大小或模糊程度。

对比度变换：在图像的HSV颜色空间，改变饱和度S和亮度V分量，保持色调H不变。对每个像素的S和V分量进行指数运算，增加光照变化。

噪声扰动：对图像的每个像素RGB进行随机扰动，常用的噪声是高斯噪声。

颜色变化：在图像通道上添加随机扰动。

随机剪切：采用随机图像差值方法，对图像进行裁剪、缩放。

而对于多维特征数据，现有的数据增强方法较为稀少，且存在一定的缺陷，在进行数据增强的过程中，由于对数据进行了一定程度的变换，可能会对数据的特征进行破坏，使得神经网络难以提取到准确的特征，从而降低识别的准确率。

发明内容

本发明实施例为克服上述技术缺陷，提供一种数据增强方法及装置。

第一方面，本发明实施例提供一种数据增强方法，包括：

对不同标签下多维时序数据进行预处理，得到特征数据；

对所述特征数据进行特征分析，获取所述特征数据中特征维与标签之间的相关系数，其中所述相关系数用于反映特征维和所述标签之间的关系；

根据所述相关系数的大小，将预设数量的特征维作为主特征维，其余特征维为非主特征维；

对非主特征维数据进行加权融合处理或加噪声处理，结合主特征维数据生成增强数据。

第二方面，本发明实施例提供一种数据增强装置，包括：

预处理模块，用于对不同标签下多维时序数据进行预处理，得到特征数据；