一种位置感知少数类过采样与不平衡多分类方法及其系统

本发明公开了一种位置感知少数类过采样与不平衡多分类方法及其系统。该方法首先设计安全权重，将少数类样本的安全权重作为被选择的概率，选择用于插值生成新样本的原始样本，避免产生噪声。然后使用多类邻居权重来代替SMOTE算法中随机选择邻居样本的过程，动态扩展少数类特征空间，在一定程度上缓解插值密度过大的问题。基于上述过采样方法，生成新的均衡数据集来训练分类器，同时根据训练结果更新原始数据集中的原始样本权重，经过多次迭代后，集成多次训练得到的弱分类器，用于对样本分布不均衡的数据集进行多分类任务。经过实验和统计分析，本方法具有适用性广、分类准确性高等优点。还提出了一种用于实现上述方法的系统。