一种基于密度隶属熵的过采样算法

本发明涉及一种基于密度隶属熵的过采样算法，融合局部密度和模糊隶属度构建隶属熵模型，划分样本空间为安全区域和重叠区域：安全区域以少数类样本为中心，搜索到最近多数类样本的距离，基于局部加权不平衡系数和动态扩展因子，在自适应圆形采样区域内均匀随机采样；重叠区域沿少数类与最近多数类样本的连线线性插值，通过高斯混合采样引入方向离散扰动，耦合样本权重与高斯混合系数，优先生成可靠样本；基于加权编辑最近邻和相对数据密度清洗样本，抑制冗余性。本方法保障安全区域样本几何合理性，增强重叠区域分布多样性，精确刻画数据集原始流形结构，提升类别均衡性与模型泛化性能。