申请/专利权人：大连理工大学

申请日：2024-01-02

公开（公告）日：2024-04-16

公开（公告）号：CN117892209A

主分类号：G06F18/2411

分类号：G06F18/2411;G06N3/126

优先权：

专利状态码：在审-公开

法律状态：2024.04.16#公开

摘要：本发明提供了一种基于支持向量机和进化计算的过采样方法，属于不平衡数据分类技术领域。本发明使用支持向量机自身的独特能力判别不同的少数类样本对决策边界的影响程度并以此为依据为它们分配合理的权重，从而进一步确定每个少数类样本生成的样本数量，避免了对人的经验的依赖。同时本发明采用了一种全新的方式即进化计算来生成样本，即使用了实数编码遗传算法自动生成新样本并搜索更优的替代方案，同时也强调了间隔对于分类的重要性，增加了对生成样本的评估机制，使用RCGA内置的评估机制以间隔作为衡量标准对生成样本进行评估，避免了传统样本生成方式的盲目性和局限性。

主权项：1.一种基于支持向量机和进化计算的过采样方法，其特征在于，该方法包括以下步骤：步骤1：数据预处理1.1使用分层抽样方法将现有数据集分成三个子集：训练集、验证集和测试集，以确保每个子集具有相同的类不平衡比率；1.2SVM是一种基于间隔最大化来确定决策边界的分类器，在训练过程之前以训练集作为基准对所有样本进行归一化；1.3训练SVM分类器；步骤2：样本生成采用实数编码遗传算法RCGA寻找最优样本；RCGA自动生成样本并使用其内置的评估机制对生成样本进行评估，进而不断寻找更优越的替代方案；在未达到终止条件的时候将一直循环迭代；步骤3：保留最优样本为了确保最优样本不会被丢失，同时不影响RCGA的搜索能力，采用一种额外的机制来保存整个进化过程中生成的最优样本；步骤4：获得最终解将所有被正确分类的少数类样本生成的样本组合起来即是所需的最终解。

全文数据：

权利要求：

百度查询： 大连理工大学 一种基于支持向量机和进化计算的过采样方法

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