基于代价局部泛化误差的不平衡问题的分类方法

摘要

本发明公开了基于代价局部泛化误差的不平衡问题的分类方法，包括以下步骤：对数据的每维特征进行归一化处理；根据数据集的统计学规律，计算不同类别样本的错分代价；构建代价敏感多层感知器神经网络模型；针对每一个样本，计算其局部泛化误差对应的随机敏感度(ST‑SM)；结合代价敏感以及局部泛化误差的随机敏感度完成模型训练。本发明在规避数据层面的方法对数据集分布过多影响的劣势的情况下，有效地结合局部泛化误差对泛化能力的提升上的优势和基于算法层面的方法更快的训练、测试时间的优势，提升了不平衡数据集分类的稳定性和各个类别的分类结果的准确度，得出了更合理的分类决策边界。