一种基于多模态密度感知的自适应K值欠采样方法

本发明公开了一种基于多模态密度感知的自适应K值欠采样方法，属于机器学习数据预处理领域。该方法包括：构建形状感知核函数，通过k近邻协方差矩阵将欧氏距离转换为马氏距离，使核形状适配数据集群分布形态；采用多带宽形状感知核计算各尺度密度估计，基于与全局密度偏差的指数权重分配实现多尺度融合；结合局部离群因子构建噪声抑制权重以修正密度估计；执行两阶段搜索：先以多数类为锚点标记潜在重叠实例，再根据多数类与少数类密度对比动态选择k_large或k_small值进行二次判定。通过多模态密度感知框架解决了固定k值与单一高斯核导致的精度不足问题，实现了复杂分布下重叠实例的精确定位与多数类信息的优化保留，显著提升了类不平衡数据的分类性能。