一种基于熵的混合采样集成分类器

摘要

本发明提供一种基于熵的混合采样集成分类器，首先在原始训练样本上计算信息熵；接着，按照熵的大小将负类样本分成两组；其次，将熵较小的一组随机均分为若干子集，且每个子集与另一组样本形成新的子集；然后将正类上采样，再将新的正类与每个负类子集融合形成新的数据视角；最后，使用若干分类器单独处理生成的这些视角，并将它们集成。在测试阶段可以将测试样本代入训练的模型进行识别。相比于传统的采样方法，本发明引入熵来避免了采样中过于随机的特性。同时，避免样本的信息丢失，并且减轻样本重叠问题。本发明在充分考虑样本不平衡程度的情况下为每个数据集生成合适的采样程度，为解决不平衡问题提供了新的方法和思路。