[发明专利]基于伪负样本的数据平衡方法及提高数据分类性能的方法

摘要

本发明公开了一种基于伪负样本的数据平衡方法及提高数据分类性能的方法，包括步骤：步骤1：正负样本分离，得到正样本集和负样本集；步骤2：计算得到负样本皮尔逊相关系数集合；步骤3：将伪负样本集和被挑选样本集初始化；步骤4：使用最大相关‑最小冗余方法计算权重，得到权重集合；步骤5：挑选出最大权重，更新伪负样本集和被挑选样本集；步骤6：重复步骤4和步骤5，直到挑选出伪负样本集；步骤7：将挑选出的伪负样本集并入正样本集，同时，从所述负样本集中剔除挑选出的伪负样本集；本发明首次提出并定义了伪负样本的概念，提出的算法可提高数据分类准确性，进而提高分类器性能，特别是在处理不平衡的生物信息数据方面优势明显。

主权项

1.一种基于伪负样本的数据平衡方法，其特征在于，包括以下步骤：步骤1：将待处理的数据集进行正负样本分离，得到正样本集和负样本集；步骤2：计算所述负样本集中每个负样本与所述正样本集中全部正样本的皮尔逊相关系数，得到负样本皮尔逊相关系数集合；步骤3：将伪负样本集初始化为空集，并将被挑选样本集初始化为负样本集；步骤4：使用负样本遍历被挑选样本集，使用最大相关‑最小冗余方法计算出负样本集中所有负样本的权重，得到权重集合；步骤5：从所述权重集合中挑选出最大权重，并将所述最大权重加入伪负样本集，同时，从被挑选样本集中剔除所述最大权重；步骤6：重复步骤4和步骤5，直到挑选出伪负样本集，最终挑选出的伪负样本集中样本数量为所述正样本集中样本数量的10％～100％；步骤7：将挑选出的伪负样本集并入所述正样本集，形成新的正样本集，同时，从所述负样本集中剔除挑选出的伪负样本集，形成新的负样本集。