基于集成学习的多标签不平衡虚拟资产数据分类方法

摘要

本发明公开了一种基于集成学习的多标签不平衡虚拟资产数据分类方法，包括以下步骤：在虚拟资产的分布式存储框架下，首先对虚拟资产数据进行有放回的随机抽样，之后，采用前馈神经网络对多标签数据进行学习，将标签之间的关联性隐含在训练好的神经网络连接权重中；与此同时，根据抽样数据中标签的分布情况选择使用SMOTE进行采样；最后，为提升分类器的泛化性能，采用集成学习法，将神经网络作为每一轮学习过程中的弱分类器；与现有技术相比，本发明以集成学习中的经典算法Bagging为框架，根据不平衡虚拟资产数据的特点，将前馈神经网络和SMOTE采样技术融合到集成学习框架中，可有效提高分类的精度。