一种不平衡数据集的过采样方法

摘要

本发明公开了一种不平衡数据集的过采样方法，首先，将获取的不平衡数据集划分为正类样本集和负类样本集；其次，求解正类样本集的质心以及距离质心最远的三个正类样本，以所求的三个正类样本为顶点建立三角形；其次，随机选取其中一个三角形顶点与质心连线，并在所述连线上随机生成新的正类样本；其次，利用CCA和GAN思想评估新生正类样本合理性，对正类样本集进行更新；最后，更新的正类样本集的样本量远小于负类样本集时，需要继续补充正类样本集，直到更新的正类样本集与负类样本集的样本量平衡。本发明提供的不平衡数据集的过采样方法算法简便和数据集分布合理，显著提高了不平衡数据分类准确性，并通过实验证明具有良好应用效果。