[发明专利]不平衡数据的半监督分类方法

摘要

本发明公开了一种基于模糊聚类和半监督学习的不平衡数据分类方法，主要用于解决现有技术在有标记样本较少且不平衡度较高的数据上，对少数类的分类精度低的问题。其实现步骤为：(1)初始有标记样本集和未标记样本集；(2)初始聚类中心；(3)实施模糊聚类；(4)依据聚类结果更新有标记样本集和未标记样本集；(5)实施基于SVM分类器的自训练；(6)依据自训练结果更新有标记样本集和未标记样本集；(7)实施基于不同惩罚参数的支撑矢量机Biased-SVM的分类；(8)评估分类结果并输出。在有标记样本较少的不平衡数据上，本发明提高了少数类的分类精度，可用于训练样本极少的不平衡数据的分类与识别。

主权项

1.一种不平衡数据的半监督分类方法，包括如下步骤：(1)读取一个包含两种类型的不平衡数据集，将这两种类型按照样本数目的多少分别记作少数类和多数类，从该两类不平衡数据样本中随机选取一部分作为初始有标记样本集{x_i}，将剩余的数据样本作为初始未标记样本集{x_j}；(2)对所述不平衡数据集的聚类中心进行初始化：(2a)对当前有标记样本集{x_i}中的少数类样本和多数类样本分别取均值，得到均值中心集合M＝{m₊，m_-}，其中m₊是少数类样本的均值中心，m_-是多数类样本的均值中心；(2b)对均值中心集合M中的各中心分别实施均值漂移算法，找到初始聚类中心其中是少数类样本的初始聚类中心，是多数类样本的初始聚类中心；(3)基于初始聚类中心M^*，对当前有标记和未标记样本实施模糊C均值聚类，得到聚类中心其中是少数类样本的聚类中心，是多数类样本的聚类中心，并将当前所有未标记样本到各聚类中心的隶属度集合记作U＝{u_cj|j∈(1，2，...，u)，c∈(+，-)}，其中u_cj是第j个未标记样本到标记为c的聚类中心的隶属度，u是当前未标记样本集的样本数目；(4)通过上述模糊聚类步骤，依据隶属度集合U，从当前未标记样本集{x_j}中选取聚类标记为正且对应隶属度最大的H个样本进行标记，即H＝p×N₊，从而将当前有标记样本集和未标记样本集分别更新为和式中N₊是当前有标记样本集中少数类的样本数目，p是从未标记样本中选取出并进行标记的比例；(5)对上述聚类更新后的数据集和进行基于SVM分类器的自训练；(6)通过上述自训练步骤，从聚类更新后的未标记样本集中选取判别函数值最大的H^*个样本进行标记，即从而将当前有标记样本集和未标记样本集分别再次更新为和式中聚类更新后的有标记样本集中少数类的样本数目，p是从未标记样本中选取出并进行标记的比例；(7)对上述自训练更新后的数据集和进行基于不同惩罚参数的支撑矢量机Biased-SVM的分类；(8)对上述基于不同惩罚参数的支撑矢量机Biased-SVM的不平衡数据分类结果利用几何均值Gm进行评估；(9)根据获得的几何均值是否达到最优作为终止条件，若满足则停止迭代，返回步骤(8)输出分类结果，否则返回步骤(2)，直到满足终止条件为止。