一种基于非平衡样本的计算机数据挖掘方法
【技术领域】
[0001] 本发明涉及计算机数据挖掘的领域，尤其是涉及一种基于非平衡样本的计算机数 据挖掘方法。
【背景技术】
[0002] 近年来，随着数据采集和存储等技术的发展，信息社会的数据呈现了爆棚式增长， 出现了"数据丰富，信息贫乏"的局面。海量数据不仅使得人们难以分辨出有用的数据，更大 大增加了数据分析工作的复杂程度。为了解决这个问题，数据挖掘技术应运而生。数据挖掘 的诞生，旨在将社会上存在的可以广泛使用的大量数据，转换成有用的知识和信息，应用于 市场分析、欺诈监测、顾客保有、产品控制和科学探索等。
[0003] 在实际应用中，数据挖掘任务繁多，但通常可以分为两类:预测和播述。它涉及多 个学科，比如机器学习、数理统计、棋式识别、信号处理、数据库等等，数据挖掘作为一口面 向应用的技术，传统的数据挖掘算法不能适用于所有应用场景。因为在实际应用中，数据库 中的数据往往不是十分理想，比如非平衡数据、多分类数据、时间序列和数据流等。
[0004] 非平衡数据集分为两种，一种是本质非平衡数据集，比如电信恶意欠费问题，实际 上恶意欠费的客户样本就比较少；另一种是非本质非平衡数据集，由于部分样本数据采集 成本较少。但不过哪一种非平衡数据其数据挖掘目前都还没有很好的处理方法，都有待于 进一步研究。
【发明内容】
[0005] 本发明的目的是克服现有技术中存在的上述缺陷，提供一种基于非平衡样本的计 算机数据挖掘方法，使其能有效处理非平衡样本数据，具有更强的泛华能力和鲁棒性，提高 了数据挖掘的精度，便于高效地对非平衡样本进行筛选分类。
[0006] 为了实现上述目的，本发明提供了一种基于非平衡样本的计算机数据挖掘方法， 该方法包括如下步骤：
[0007] 步骤1:输入给定非平衡样本集X，其中X= {Xi，x2，…，xn};
[0008] 步骤2:对输入样本进行特征集求解，求取其特征集为fs，其特征集fs表示为：
[0009] fs={fi,f2,---,fn};
[0010] 步骤3:采用层次分析法计算特征乜的权重系数w1;
[0011] 步骤4:建立基于权重系数Wi的线性变换加权矩阵P，其线性变换加权矩阵P表示 为：
[0012]
[0013]步骤5:采用线性变换加权矩阵P改造Gauss核函数，得到基于特征加权的核函数K (父1乂」），其核函数1((乂1\)表示为：
[0014] K(Xi，Xj) = 〇(Xi)〇(Xj)，
[0015]其中，Φ表示输入空间到特征空间的映射，Xi和Xj为非平衡样本集X中的样本；
[0016] 步骤6:建立基于特征加权核函数的支持向量机分类模型f(x)，其表达式为：
[0017]
i=l j=l
[0018] 其中，yi为类标签，Xl为样本数据，ai为样本点^的拉格朗日乘子，C为惩罚参数；
[0019] 步骤7:设定需分类的分类种数m，利用Matlab编程软件对支持向量机分类模型f (X)求解，从而得到对非平衡样本的筛选分类结果。
[0020] 与现有技术相比，本发明的主要优势在于：
[0021] 本发明公开了一种基于非平衡样本的计算机数据挖掘方法，该挖掘方法通过输入 给定非平衡样本集，并对输入样本进行特征集求解，再采用基于流形学习的特征加权法计 算特征的权重系数，建立基于权重系数的线性变换加权矩阵，并采用线性变换加权矩阵改 造Gauss核函数，得到基于特征加权的核函数，最后建立基于特征加权核函数的支持向量机 分类模型，对非平衡样本进行筛选分类。本发明能有效处理非平衡样本数据，具有更强的泛 化能力和鲁棒性，提高了数据挖掘的精度，便于高效地对非平衡样本进行筛选分类。
【附图说明】
[0022]图1为本发明的实现原理框图。
【具体实施方式】
[0023]以下结合附图对本发明的【具体实施方式】进行详细说明，以便本领域的技术人员更 好地理解本发明。
[0024] 如图1所示，是本发明所述的一种基于非平衡样本的计算机数据挖掘方法的具体 实施方式，其具体实施步骤为：
[0025] 步骤1:输入给定非平衡样本集X，其中X=㈨，X2，…，Xn};
[0026] 步骤2:对输入样本进行特征集求解，求取其特征集为fs，其特征集fs表示为：
[0027] fs= {fl,f2, ··· ,fn}；
[0028] 步骤3:采用层次分析法计算特征h的权重系数I;
[0029] 步骤4:建立基于权重系数Wi的线性变换加权矩阵P，其线性变换加权矩阵P表示 为：
[0030]
[0031] 步骤5:采用线性变换加权矩阵P改造Gauss核函数，得到基于特征加权的核函数K (父1乂」），其核函数1((乂1\)表示为：
[0032] K(Xi，Xj) = 〇(Xi)〇(Xj)，
[0033] 其中，Φ表示输入空间到特征空间的映射，为非平衡样本集X中的样本；
[0034] 步骤6:建立基于特征加权核函数的支持向量机分类模型f(x)，其表达式为：
[0035]
[0036] 其中，yi为类标签，Xl为样本数据，ai为样本点^的拉格朗日乘子，C为惩罚参数；
[0037] 步骤7:设定需分类的分类种数m，利用Matlab编程软件对支持向量机分类模型f (X)求解，从而得到对非平衡样本的筛选分类结果。
[0038] 该挖掘方法通过输入给定非平衡样本集，并对输入样本进行特征集求解，再采用 基于流形学习的特征加权法计算特征的权重系数，建立基于权重系数的线性变换加权矩 阵，并采用线性变换加权矩阵改造Gauss核函数，得到基于特征加权的核函数，最后建立基 于特征加权核函数的支持向量机分类模型，对非平衡样本进行筛选分类。本发明能有效处 理非平衡样本数据，具有更强的泛化能力和鲁棒性，提高了数据挖掘的精度，便于高效地对 非平衡样本进行筛选分类。
[0039]以上实施方式仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡 是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范 围之内。
【主权项】
1. 一种基于非平衡样本的计算机数据挖掘方法，其特征在于，包括以下步骤： 步骤1:输入给定非平衡样本集X，其中Χ={Χι，Χ2, · · ·，χη}; 步骤2:对输入样本进行特征集求解，求取其特征集为fs，其特征集fs表示为： fs={fl,f2, ? ? ? ,fn}； 步骤3 :采用层次分析法计算特征h的权重系数I; 步骤4:建立基于权重系数Wi的线性变换加权矩阵P，其线性变换加权矩阵P表示为： Ψ P = 2 ·· ； V _ η _ 步骤5:采用线性变换加权矩阵Ρ改造Gauss核函数，得到基于特征加权的核函数KUi， Xj)，其核函数K(Xi，Xj)表示为： K(Xi,Xj) = ?(Xi)?(Xj), 其中，Φ表示输入空间到特征空间的映射，Xi和Xj为非平衡样本集X中的样本； 步骤6:建立基于特征加权核函数的支持向量机分类模型f(x)，其表达式为： fiji) = sgn ΕΣ i：=l J=l ^ 其中，为类标签，为样本数据，ai为样本AXl的拉格朗日乘子，c为惩罚参数， 步骤7:设定需分类的分类种数m，利用Matlab编程软件对支持向量机分类模型f(x)求 解，从而得到对非平衡样本的筛选分类结果。
【专利摘要】本发明公开了一种基于非平衡样本的计算机数据挖掘方法，该挖掘方法通过输入给定非平衡样本集，并对输入样本进行特征集求解，再采用基于流形学习的特征加权法计算特征的权重系数，建立基于权重系数的线性变换加权矩阵，并采用线性变换加权矩阵改造Gauss核函数，得到基于特征加权的核函数，最后建立基于特征加权核函数的支持向量机分类模型，对非平衡样本进行筛选分类。本发明能有效处理非平衡样本数据，具有更强的泛化能力和鲁棒性，提高了数据挖掘的精度，便于高效地对非平衡样本进行筛选分类。
【IPC分类】G06K9/62
【公开号】CN105469122
【申请号】CN201511015488
【发明人】黄海洋, 关宏波
【申请人】郑州轻工业学院
【公开日】2016年4月6日
【申请日】2015年12月29日