基于C-K-SMOTE算法的不平衡数据集处理方法

摘要

本发明公开了一种基于C‑K‑SMOTE算法的不平衡数据集处理方法，先利用Canopy算法对少数类样本进行快速近似聚类，得到一系列canopy簇；然后再利用K‑means聚类算法对canopy簇再聚类，得到精准聚类簇，最后再利用SMOTE算法基于精准聚类簇进行插值处理，从而增加少数类样本数量使数据样本趋向平衡。本发明中基于C‑K‑SMOTE算法的不平衡数据集处理方法可有效平衡不平衡数据集，既保证了新生成的样本的有效性也保留了原数据分布模式且不存在边界模糊问题，利用修正的SMOTE算法插值公式还避免了近邻样本选择盲目性问题；本发明实现了Canopy算法和K‑means算法有机融合，利用K‑means再聚类解决了Canopy算法聚类精度低的问题，同时利用Canopy聚类克服了K‑means算法聚类簇数难以确定以及初始中心过于随机的问题。