一种非平衡多类别对抗网络与迁移学习的数据平衡方法

本发明公开了一种结合生成对抗网络与迁移学习的数据平衡方法，该方法涉及机器学习领域，首先数据集准备，统计各类别样本数量，确定最多样本的类别，随后，利用深度学习生成对抗网络构建基准模型和若干个独立模型，用来生成与各类别数据特征一致的新数据集，确保各新数据集的数据量相等或接近基准数据集，使各类别标签的数据量达到平衡，最后，将平衡后的数据集按预设比例分为训练集和测试集，使用构建的训练集对预设的目标模型进行训练，使用构建的测试集对预设的目标模型进行验证，该方法通过定制化数据生成，实现了数据集的平衡化，有助于提高模型对少类样本的辨识能力和泛化能力。