公开(公告)号：CN118395175A

公开(公告)日：2024-07-26

申请号：CN202410443599.X

申请日：2024-04-13

Applicant: 南昌大学

Inventor： 邵国林 ,  吴恒锐 ,  卢一 ,  胡泽毅

IPC: G06F18/214 ,  G06F18/241 ,  G06F18/211 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/0895

Abstract: 本发明涉及一种基于特征表示对比学习策略的样本不平衡分类优化方法。首先利用Triplet loss对比学习的思路对样本特征表示进行预训练，通过深入学习同类和异类样本对间的相似度任务，来增强模型对样本特征表示的学习能力，从而从原始数据集中抽取出关键特征，为后续的分类任务奠定坚实基础。接着，将这些基于预训练转换后的特征表示用于下游的分类任务，构建和训练分类模型，实现对不平衡样本集的有效分类。本发明的基于特征表示对比学习的方法更能全面考虑每个样本在特征空间中的位置关系，有效避免了对少数类别的忽略，从而实现了对不平衡样本的有效分类。本发明能够有效解决样本不平衡问题，提高分类模型的性能，具有广泛的应用前景。