27、不平衡数据集分类增强与人员防疫监控门禁系统开发

不平衡数据集分类增强与人员防疫监控门禁系统开发

1. 基于位置的最近邻搜索策略（LBNN）

在处理未知数据时，单类最近邻（OCNN）中的 11NN 和 JKNN 都需要对整个训练数据集进行两轮最近邻搜索。第一轮搜索 J 个最近邻，第二轮搜索 J·K 个最近邻，时间复杂度为 O(2dn + J × 2dn) → O((J + 1) × 2dn) ，这种搜索方式主要是寻找最近邻的最近邻。然而，这些最近邻大多位于相邻块中，未知数据与这些最近邻的比较主要是局部的，没有考虑到整个数据集的分布特征，这可能会影响模型的最终性能。

为了解决这个问题，提出了基于聚类的最近邻搜索策略 LBNN。LBNN 首先通过 KMOR 对训练数据进行分类，并设置一个百分位数 Q（0 ≤ Q ≤ 1）。对于未知数据 ui（i ∈ {1, 2, …n}），从每个组中找到一个最近邻 Pi,c（c ∈ {1, 2, …k}），将这些最近邻作为其所属组的参考点，最后计算参考点 Pi,c 与组内其他数据之间的距离表 Li,c。如果未知数据到任何组的参考点的距离 di,c 小于距离表 Li,c 的百分位数 Q，则将未知数据区分为目标类。LBNN 策略的搜索时间复杂度为 O(kdn + kdn) → O(2kdn)。

2. 研究方法

2.1 整体流程

研究使用的数据集均基于两类数据。具体研究方法步骤如下：
1. 异常值检测 ：使用隔离森林（Isolation Forest）算法检测异常值，然后将其删除。
2. 降维处理 ：对所有数据进行主成分分析（PCA）以降低维度。在训练过程中，将大