一种基于人工智能的数据集均衡化训练方法

本发明公开了一种基于人工智能的数据集均衡化训练方法，具体涉及人工智能技术领域；是通过采集目标数据集并通过特征提取和类别归类，形成初始类别特征矩阵；通过少数类密度估计与流形局部维数分析，生成特征塌缩风险指标与低维流形描述；根据特征塌缩风险指标，在少数类流形邻域生成候选样本集合；通过流形保持距离度量计算候选样本的偏离度，并剔除偏离度超过预设偏离度阈值的候选样本，得到合成样本集合；将合成样本集合与目标数据集融合，并基于类别重加权策略进行均衡化训练，显著降低了特征空间塌缩与类间混淆，提高了模型在不平衡数据下的识别精度和泛化性能。