公开(公告)号：CN112633337A

公开(公告)日：2021-04-09

申请号：CN202011463010.0

申请日：2020-12-14

Applicant: 哈尔滨理工大学

Inventor： 姜诚 ,  杨海波 ,  张爽

IPC: G06K9/62

Abstract: 本发明公开了一种基于聚类和边界点的不平衡数据处理方法，首先获取不平衡数据比例，计算要合成的少数类样本数；然后利用DBSCAN聚类方法对少数类样本聚类，找出聚类个数较少的簇，作为噪声点去除；再计算任意少数类样本的K近邻样本距离之和，以距离平均值为半径，统计半径区域少数类样本中多数类个数，归一化处理得到样本边界区域权重；此外，以每个聚类簇为区域，计算聚类中心到簇中所有样本的距离，以距离倒数作为样本权重；最后，在每个边界区域和聚类中心利用SMOTE合成算法；得到的新数据集和原数据集合并，采用交叉验证划分数据，然后使用随机森林分类算法进行测试。本发明让合成的样本分布更加合理，通过实验证明在分类器上表现性能更加良好。

公开(公告)号：CN113822310A

公开(公告)日：2021-12-21

申请号：CN202011462448.7

申请日：2020-12-14

Applicant: 哈尔滨理工大学

Inventor： 纪耀立 ,  姜诚 ,  杨海波

IPC: G06K9/62

Abstract: 本发明提出了一种方法，对于密度峰值聚类算法的聚类策略进行优化，主要解决密度峰值聚类算法在确定聚类中心后，剩余点分配过程中，因某个点分配错误而导致的“多米诺骨牌”效应。利用k‑dist值剔除噪声点，使簇与簇之间更加独立；运用广度优先搜索遍历算法对簇进行遍历，实现样本点的聚类；最后将剩余点分批次的分配给离其最近的点所在的类。这种聚类策略减少了噪声点对聚类结果的影响，避免了聚类过程中因为一个点分配错误而导致的连锁反应，显著提高了聚类效果。

公开(公告)号：CN113392908A

公开(公告)日：2021-09-14

申请号：CN202110670088.8

申请日：2021-06-17

Applicant: 哈尔滨理工大学

Inventor： 姜诚 ,  万静 ,  田新雨

IPC: G06K9/62

Abstract: 本发明公开了基于边界密度的不平衡数据过采样算法，首先计算每个少数类到其他少数类样本的距离，对其进行排序，选择每个少数类的最K近邻样本构建集合，然后分别计算每个少数类到K近邻集合的总距离，将其与截断距离进行比较，得到少数类样本的局部密度；进行归一化处理后，获得边界区域样本采样权重；最后，在每个边界区域利用改进的SMOTE合成算法公式合成新样本；合成后的数据集与原数据集合并，采用交叉验证划分数据，使用支持向量机分类算法进行训练测试；实验结果表明，本发明提高了少数类边界样本的支持度，分类器的准确性得到明显提升。

公开(公告)号：CN113378986A

公开(公告)日：2021-09-10

申请号：CN202110762011.3

申请日：2021-07-06

Applicant: 哈尔滨理工大学

Inventor： 纪耀立 ,  万静 ,  姜诚

IPC: G06K9/62

Abstract: 本发明提出了一种方法，对于密度峰值聚类算法的聚类策略进行优化，主要解决密度峰值聚类算法在确定聚类中心后，剩余点分配过程中，因某个点分配错误而导致的“多米诺骨牌”效应。利用k‑dist值剔除噪声点，使簇与簇之间更加独立；运用广度优先搜索遍历算法对簇进行遍历，实现样本点的聚类；最后将剩余点分批次的分配给离其最近的点所在的类。这种聚类策略减少了噪声点对聚类结果的影响，避免了聚类过程中因为一个点分配错误而导致的连锁反应，显著提高了聚类效果。

公开(公告)号：CN113378987A

公开(公告)日：2021-09-10

申请号：CN202110762213.8

申请日：2021-07-06

Applicant: 哈尔滨理工大学

Inventor： 姜诚 ,  万静 ,  纪耀立

IPC: G06K9/62

Abstract: 本发明公开了基于密度的不平衡数据混合采样算法，首先使用DBSCAN聚类算法对少数类和多数类进行聚类，识别并处理少数类和多数类离群点，然后依据样本的K近邻总距离，计算每个样本的边界密度，依据边界密度，确定少数类样本和多数类样本的边界区域和非边界区域，对少数类样本边界区域进行过采样，多数类样本非边界区域欠采样，最后得到平衡数据集，使用交叉验证划分数据，使用随机森林算法对样本分类测试，实验结果显示，本发明能够得到较好的分类结果，分类器性能得到提高。