申请/专利权人：暨南大学

申请日：2023-10-20

公开（公告）日：2024-03-15

公开（公告）号：CN117708638A

主分类号：G06F18/2337

分类号：G06F18/2337;G06F18/2415;G06Q40/03

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种基于重采样的数据公平粒化及分类方法。该方法首先在公平性优化的式前阶段，对输入数据集进行公平性概率的计算，根据敏感特征不同取值下对应的公平性权重，采用自适应替换重采样方法对数据集进行有选择的筛选，得到新的公平数据集。由于重采样方法存在一定的随机性，因此在该阶段添加了衡量数据集公平性的平衡因子DBF，使数据集尽可能达到最优；接着在式中阶段，在信息颗粒的生成过程中加入公平性约束调整颗粒大小，以每个特征下颗粒区间所能覆盖的数据点作为颗粒公平性能的评价指标。通过对数据集敏感特征比例的调整以及颗粒覆盖区间的调整，所生成的信息颗粒的公平性得到显著提升。

主权项：1.一种基于重采样的数据公平粒化及分类方法，其特征在于，所述数据公平粒化及分类方法包括以下步骤：S1、输入金融风险训练数据Dtrain，将训练数据Dtrain分为数据集具体值Xtrain和标签labeltrain；S2、计算输入数据集的公平性权重：选定敏感特征fs，计算训练数据Xtrain在敏感特征fs不同取值及对应不同标签label下所对应的敏感特征公平性权重wX|fs＝k，label＝y，k表示敏感特征取值，y表示标签取值；S3、进行数据集概率重采样：对Xtrain执行概率重采样，以wX|fs＝k，label＝y作为采样概率，对Xtrain进行概率性有选择的替换，多次迭代概率重采样过程，得到高公平性输入数据集NDinput；S4、数据集粗粒化：对高公平性输入数据集NDinput执行模糊聚类，得到NDinput的质心V＝{v1，v2}以及质心对应的2个粗颗粒ψ＝{ψ1，ψ2}，其中v1，v2分别表示第1和第2个粗颗粒的数值中心点，ψ1，ψ2分别表示第1和第2个粗颗粒，粗颗粒代表以对应质心为中心点所包含的近邻数据点的集合；S5、粗颗粒质心优化：对粗颗粒执行改进质心差分进化算法，以聚类准确率作为优化目标，更新粗颗粒对应质心位置，得到新质心Vnew以及新粗颗粒ψnew；S6、生成公平性信息颗粒：对新质心Vnew、新粗颗粒ψnew进行信息颗粒生成，在生成过程加入颗粒公平性约束GF，得到高公平性信息颗粒集合Ω＝{Ω1，Ω2]，Ω1、Ω2分别为金融风险的放贷标签对应的颗粒和不放贷标签对应的颗粒；S7、基于信息颗粒规则分类：将信息颗粒集合Ω作为分类器的分类规则，构造颗粒区间匹配度公式对同类型金融风险测试数据Dtest进行无监督分类，并输出分类结果。

全文数据：

权利要求：

百度查询： 暨南大学 一种基于重采样的数据公平粒化及分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD