[发明专利]一种基于生成对抗网络的公平增强分类方法在审

专利信息
申请号: 202211430163.4 申请日: 2022-11-12
公开(公告)号: CN116186617A 公开(公告)日: 2023-05-30
发明(设计)人: 叶阿勇;陈秋玲 申请(专利权)人: 福建师范大学
主分类号: G06F18/2415 分类号: G06F18/2415;G06N3/048;G06N3/0475;G06N3/094
代理公司: 福州元创专利商标代理有限公司 35100 代理人: 蔡学俊;薛金才
地址: 350108 福建*** 国省代码: 福建;35
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 生成 对抗 网络 公平 增强 分类 方法
【权利要求书】:

1.一种基于生成对抗网络的公平增强分类方法,其特征在于,包括以下步骤:

步骤1:对原始数据集进行预处理,得到预处理后的数据集;

步骤2:构建隐含因子数据集:

步骤3:建立增强公平分类的生成对抗网络:

步骤4:合成公平数据以及输出公平分类器。

2.根据权利要求1所述的一种基于生成对抗网络的公平增强分类方法,其特征在于,所述步骤1具体包括:

步骤11:对数据集进行数据清洗,包括缺失值、空值和去冗余处理;

步骤12:对步骤11处理后所得数据集中的分类属性进行独热编码;

步骤13:对步骤11处理后所得数据集中的连续属性进行归一化处理。

3.根据权利要求1所述的一种基于生成对抗网络的公平增强分类方法,其特征在于,所述步骤2具体包括:

步骤21:首先筛选出原始数据集中对标签预测有帮助的属性组;

步骤22:接着根据属性相关性从步骤21的属性组中选择与敏感属性相关性较低的属性组成隐含因子c={a1,a2…an};

步骤23:最后保留隐含因子的维度,将剩余维度由随机噪声z组成,构建隐含因子数据集。

4.根据权利要求1所述的一种基于生成对抗网络的公平增强分类方法,其特征在于,所述步骤3具体包括:

步骤31:构建生成器G和判别器D,然后构建这两个的对抗损失函数V(G,D):

其中,x表示非敏感属性组,y表示数据标签,s表示敏感属性,Preal(x|y,s)表示数据在真实数据集上的概率分布,(x|y,s)~Preal(x|y,s)表示数据(x|y,s)服从概率分布Preal(x|y,s),表示对服从分布Preal(x|y,s)的每个训练数据(x|y,s)计算函数期望;xg表示由生成器合成的假数据,Pg(x|y,s)表示数据在合成数据集上的概率分布,(xg|y,s)~Pg(x|y,s)表示合成数据(xg|y,s)服从概率分布Pg(x|y,s),表示对服从分布Pg(x|y,s)的每个合成数据(xg|y,s)计算函数期望;D(*)表示判别器把*判别为真的概率;

步骤32:构建对抗器A和分类器C,然后构建这两个的对抗损失函数V(C,A):

其中,将s视为二进制,取值为{0,1};yc表示分类器的预测标签,A(*)表示对抗器A把*预测为真实敏感属性s的概率;

步骤33:构建对抗器A和生成器G的对抗损失函数V(G,A):

其中,A(*)表示对抗器A把*预测为真实敏感属性s的概率;

步骤34:构建生成器G和分类器C的协同优化函数L(G,C):

其中,C(*)表示分类器把*预测为正确类标签y的概率;

步骤35:根据生成器G和判别器D的对抗损失函数V(G,D),对抗器A和分类器C的对抗损失函数V(C,A)和对抗器A和生成器G的对抗损失函数V(G,A),构建全局优化目标,即增强公平分类的生成对抗网络:V(G,C,D,A)=V(G,D)+λV(G,A)+μV(C,A)+L(G,A);其中λ和μ为控制V(G,C,D,A)的相对重要参数。

5.根据权利要求1所述的一种基于生成对抗网络的公平增强分类方法,其特征在于,所述步骤4具体包括:

设定最大迭代次数为N、停止迭代阈值为k,用原始数据集和隐含因子数据集迭代训练步骤3中构建的生成对抗网络,直到当前迭代的函数值小于阈值k或达到最大迭代次数N,输出生成的公平数据以及公平分类器。

6.根据权利要求3所述的一种基于生成对抗网络的公平增强分类方法,其特征在于,步骤23中随机噪声z由高斯/正态分布N(0,1)生成。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建师范大学,未经福建师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211430163.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top