[发明专利]一种基于启发式采样的集成学习方法

权利要求书

1.一种启发式采样的集成学习方法，适用于不均衡数据集的分类，其特征在于，所述方法包括：

对数据集的所有样本根据所述样本的第一类别以及在特征空间的分布特征划分第二类别；

计算数据集中每个样本的选中概率；

根据所述选中概率采用集成学习算法对数据集重采样和集成训练，获得最终的分类结果。

2.根据权利要求1所述的一种启发式采样的集成学习方法，其特征在于，所述选中概率的计算步骤包括：

对于数据集中任意样本x_i，根据所述数据集中所有样本的所述第一类别总数和所述样本x_i的标签值对应的所述第一类别的样本数计算所述样本x_i的不均衡权重；

根据所述样本x_i的所述第二类别以及所述样本x_i在特征空间内的局部分布特征计算硬度权重；

根据所述不均衡权重和所述硬度权重，计算所述样本x_i的所述选中概率。

3.根据权利要求2所述的一种启发式采样的集成学习方法，其特征在于，所述对数据集的所有样本根据在特征空间的分布特征划分第二类别，包括：

根据所述样本x_i的所述第一类别，将所述样本x_i周围第一最近邻内的其他第一类别样本划分为硬多数类或所述硬少数类；

将数据集除所述硬多数类和所述硬少数类的其他样本划分为非硬类；

当所述样本x_i属于所述硬多数类，根据所述样本x_i周围第二最近邻内其他标签样本的占比，将所述样本x_i划分为多数样本边界类或噪声类；

当所述样本x_i属于所述硬少数类，根据所述样本x_i周围第二最近邻内其他标签样本的占比，将所述样本x_i划分为少数样本边界类或稀缺类。

4.根据权利要求3所述的一种启发式采样的集成学习方法，其特征在于，所述根据所述样本x_i的所述第二类别以及所述样本x_i在特征空间内的局部分布特征计算硬度权重，包括：

预先设置硬度阈值；

当所述样本x_i属于所述稀缺类、所述噪声类或所述非硬类时，分别设定所述样本x_i的硬度权重大小；

当所述样本x_i属于所述多数样本边界类或所述少数样本边界类时，根据所述样本x_i的局部标签权重和距离密度权重计算所述硬度权重。

5.根据权利要求4所述的一种启发式采样的集成学习方法，其特征在于，所述当所述样本x_i属于所述稀缺类、所述噪声类或所述非硬类时分别设定所述样本x_i的硬度权重大小，包括：

当所述样本x_i属于所述稀缺类时，设定所述硬度权重为所述硬度阈值；

当所述样本x_i属于所述噪声类时，设定所述硬度权重为0；

当所述样本x_i属于所述非硬类时，设定所述硬度权重为1。

6.根据权利要求4所述的一种启发式采样的集成学习方法，其特征在于，所述样本x_i的距离密度权重的获取方式包括：

获取所述样本x_i周围第三最近邻内的最近边界异类簇；

根据所述样本x_i至所述最近边界异类簇的欧几里得距离，以及最近边界异类簇的簇密度获取所述样本x_i的距离密度权重。

7.根据权利要求6所述的一种启发式采样的集成学习方法，其特征在于，所述最近边界异类簇的簇密度采用高斯最大似然法获得。