一种均衡增强多模态心理疾病不平衡数据的方法

本发明公开了一种均衡增强多模态心理疾病不平衡数据的方法，属于处理不平衡数据深度学习技术领域，主要对心理疾病的多模态时序不平衡数据进行过采样。首先系统对心理疾病数据进行多模态预处理，结合自适应平衡相似度和高维局部离群检测，捕捉复杂边界样本并赋予动态权重，通过融合多尺度k近邻与LOF（全局异常因子）算法，提升高维特征空间中边界信息的提取精度，生成阶段，系统构建融合条件生成对抗网络（CGAN）和注意力机制的进化型GAN模型，以生成高保真且多样化的少数类样本，通过自适应优化与对抗熵正则化，加速模型收敛并提高生成样本的多样性，最终通过判别校验，显著提升分类性能与数据质量。