一种基于MCWD-KSMOTE-AdaBoost-DenseNet算法的数据分类方法

摘要

本发明涉及基于MCWD‑KSMOTE‑AdaBoost‑DenseNet数据分类方法，涉及数据处理领域，其特征在于采用如下步骤：(1)确定标签相关性矩阵；(2)子簇权重分配，调整类内样本的不平衡性；(3逐个预测训练集中所有实例的标签信息；(4)数据归一化；(5)在训练卷积神经网络时使用Adam优化器更新网络权重，使用交叉熵作为目标损失函数。本发明克服了多数类和少数类在数量上的倾斜,以总体分类精度最大为目标造成少数类的分类精度较低问题，有效提高不平衡数据分类准确率。取得较高的分类准确率。说明本发明针对不平衡数据分类，达到较好的分类效果。为不平衡数据分类领域提供一种拥有较高分类准确率方法。