【技术实现步骤摘要】
本专利技术属于不平衡学习和深度学习领域，提供了一种基于一对多分解策略的神经网络自适应下采样方法。
技术介绍
1、随着大数据存储技术的迅猛发展以及智能手机、平板电脑等终端设备的广泛使用，抖音、快手、小红书和微信等社交媒体平台已经成为大众信息交流的重要载体，每天以数以百亿级的图像数据在上传、浏览和传播，目前如何针对这些海量的信息进行数据挖掘已经成为了研究热点。数据分类技术作为数据挖掘的有效手段之一，可借助海量信息建模出泛化能力足够强的深度学习模型，从而去探索数据中蕴含的有效信息。然而现实世界中的数据往往是不均衡分布的，当使用传统的分类方法去处理时，模型很容易偏向多数类的一方而忽略数量较少的类，而往往数量罕见的少数类更为重要，如癌症检测、异常点任务、轴承故障识别等任务。
2、欠采样方法通过平衡数据集的分布来缓解这一问题。然而由于现实世界中数据之间的相似性，数据间的分布在决策边界存在着严重的区域重叠问题，尤其是正负类样本比例严重失衡时，传统的基于欠采样的不平衡处理方法很容易造成严重的信息丢失。为此，我们提出了一种基于一对多分解策略的...
【技术保护点】
1.一种基于一对多分解策略的神经网络自适应下采样方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于一对多分解策略的神经网络自适应下采样方法，其特征在于所述步骤2中利用改进后的一对多分解策略OVM将数据集划分为若干个子数据集，其具体步骤如下：
3.根据权利要求1所述的一种基于一对多分解策略的神经网络自适应下采样方法，其特征在于所述步骤3中将每个子数据集中的少数类使用自动编码器进行预训练，其具体步骤如下：
4.根据权利要求1所述的一种基于一对多分解策略的神经网络自适应下采样方法，其特征在于所述步骤4中使用预训练的模型预测...
【技术特征摘要】
1.一种基于一对多分解策略的神经网络自适应下采样方法，其特征在于，具体步骤如下：
2.根据权利要求1所述的一种基于一对多分解策略的神经网络自适应下采样方法，其特征在于所述步骤2中利用改进后的一对多分解策略ovm将数据集划分为若干个子数据集，其具体步骤如下：
3.根据权利要求1所述的一种基于一对多分解策略的神经网络自适应下采样方法，其特征在于所述步骤3中将每个子数据集中的少数类使用自动编码...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。