[发明专利]一种基于随机敏感度采样的不平衡数据的集成学习算法在审
| 申请号： | 201810075930.1 | 申请日： | 2018-01-26 |
| 公开（公告）号： | CN108345904A | 公开（公告）日： | 2018-07-31 |
| 发明（设计）人： | 吴永贤;张榆达;张建军 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 冯炳辉 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于随机敏感度采样的不平衡数据的集成学习算法，包括步骤：1)数据集的准备和初始化，随机欠采样方式得到数据子集训练第一个子分类器；2)根据上一次得到的子分类器，计算样本的随机敏感度，并根据子分类器测试分类的准确率来调整数据权重；3)通过数据样本的随机敏感度值和数据的本身权重值，进行带权重随机采样，得到新的数据子集，来训练下一个子分类器，如此迭代，将得到的若干个子分类器及其权值进行集成，得到最终的分类器模型。本发明算法具有高效性和鲁棒性的特点，能够根据不同形式的数据分布来训练子分类器，数据采样关注了数据本身和前后两个子分类器之间的互补，所以能够取得优秀的分类性能。 | ||
| 搜索关键词： | 子分类器 敏感度 分类器 权重 集成学习算法 数据子集 采样 分类器模型 测试分类 调整数据 分类性能 数据采样 数据分布 数据样本 随机采样 初始化 高效性 鲁棒性 欠采样 数据集 准确率 迭代 算法 样本 | ||
【主权项】：
1.一种基于随机敏感度采样的不平衡数据的集成学习算法，其特征在于，包括以下步骤：1)数据集的准备和初始化，通过随机欠采样的方式得到首次子分类器；2)根据上一次得到的子分类器，由数据集计算得到该子分类器的错误率，计算能够得到该子分类器的权值，并且利用该子分类器计算数据样本的随机敏感度值，根据子分类器的分类准确率来调整数据本身的权重；3)通过数据样本的随机敏感度值和数据样本本身的权重，进行带权值随机采样，两种途径得到的数据样本结合而成得到新的数据子集，来训练下一个子分类器，如此迭代；根据得到的若干个子分类器和每个子分类器的权值，集成成为最终的分类器。
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华南理工大学，未经华南理工大学许可，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/patent/201810075930.1/，转载请声明来源钻瓜专利网。
