一种最优过采样和邻域修正的不平衡数据分类方法

本发明公开了一种最优过采样和邻域修正的不平衡数据分类方法，属于不平衡数据分类领域，该方法包括基于密度峰值选取少数类子集中的基准样本，将基准样本的近邻样本作为人工样本；生成合成样本，并将合成样本加入少数类子集，根据更新后的少数类子集和多数类子集，得到平衡训练数据集；利用平衡训练数据集训练分类器；利用训练完成的分类器对测试样本集进行分类，得到各样本的分类结果，并根据各样本的分类结果获取确定样本集和不确定样本集；对不确定样本集中的不确定样本，基于校准矩阵对分类结果进行校准，根据校准后的分类概率确定不确定样本的分类结果。本发明解决了现有过采样方法在处理不平衡数据集时性能低的问题。