一种基于文本多分类混合式均分聚类采样算法的不平衡数据集文本多分类方法

摘要

本发明公开了一种基于文本多分类混合式均分聚类采样算法的不平衡数据集文本多分类方法，在不平衡数据集的多分类算法中，引入基于轮廓系数的动态K‑means聚类方法对不平衡数据集进行聚类，首先，计算出所有不同分类样本数量的算数平均数，以此作为样本数据量均线，再对每个分类样本进行分区，其中样本大于均线的为上区，样本数量小于均线的为下区，最后利用聚类簇采用欠采样和过采样的混合采样方法分别对上区样本和小区样本进行数据聚类处理，最终实现文本数据集的平衡分布。