一种用于不平衡分布数据分类的自适应采样方法

摘要

本发明公开了一种用于不平衡分布数据分类的自适应采样方法，其中方法包括以下步骤：获取不平衡分布的图像或文本数据集，根据获得的数据集划分为训练集、验证集和测试集；构建不平衡数据分类模型；根据验证集测试不平衡数据分类网络的性能，获得分类召回率，根据分类召回率获取采样权重，根据采样权重获取采样概率；根据采样概率，采用自适应采样器对训练集进行采样，获得训练子集；根据训练子集和不平衡数据分类损失函数训练不平衡数据分类网络，采用不平衡数据分类模型在测试集上进行分类。本发明通过动态调整采样概率，使不同类别采样的样本数量随着不平衡数据分类网络优化的需求而改变，可广泛应用于深度学习技术领域。