[发明专利]一种用于不平衡数据的分类方法

摘要

一种用于不平衡数据的分类方法，初始化数据集中所有样本的权重；根据迭代次数对应的权重构建弱分类器，并基于弱分类器更新数据集中所有样本的权重，再基于KNN再次更新所有样本的权重；组合得到的弱分类器，获得强分类器。本发明引入了相似度理论，与欧几里得距离作为综合相似度来作为KNN的选取指标。此外，在KNN选取数据集中正样本的基础上，再次动态选取K值，进而有方向地更新数据集中的样本权重，使得最大程度地降低综合相似度较高且被正确分类的正样本的权重，最少地降低综合相似度较低且被正确分类的正样本的权重。

主权项

1.一种用于不平衡数据的分类方法，其特征在于，包括如下步骤：步骤1：对于数据集S＝{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，每一个样本x_i＝(x_i1,…x_im,…,x_iM)∈R^M，样本标签y_i∈Y＝{‑1,+1}，其中i＝1,2,…,N,m＝1,2,…,M；初始化数据集中所有样本的权重W₁；W₁＝(w_1,1,…,w_1,i,…,w_1,N),步骤2：对迭代次数t＝1,2,…,T，根据迭代次数对应的权重构建弱分类器，并基于弱分类器更新数据集中所有样本的权重，再基于KNN再次更新所有样本的权重；步骤3：组合步骤2)中得到的弱分类器，获得强分类器。