买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：济南市计量检定测试院

摘要：本申请公开了一种基于大数据的计量数据采集方法及系统，涉及数据处理领域。其中，该方法包括：针对目标疾病对患者的病例信息及相关数据进行获取，得到第一数据样本；将第一数据样本转换为对应的特征向量，并结合病例信息对该特征向量进行标注，得到第一数据样本集；根据特征向量的标注信息对第一数据样本集中的数据进行分类，并根据分类结果判断第一数据样本集中的样本数量是否平衡；若不平衡，则基于第一数据样本集的数据分布特征进行样本增量处理，得到第二数据样本；基于第一数据样本和第二数据样本构建基分类器。通过本申请提供的方法和系统，可以提高训练样本的均衡性和可靠性，从而提高训练后所得到的分类器的准确性，减小分类误差。

主权项：1.一种基于大数据的计量数据采集方法，其特征在于，包括：针对目标疾病对患者的病例信息及相关数据进行获取，得到第一数据样本；将所述第一数据样本转换为对应的特征向量，并结合所述病例信息对所述特征向量进行标注，得到第一数据样本集；根据所述特征向量的标注信息对所述第一数据样本集中的数据进行分类，并根据分类结果判断所述第一数据样本集中的样本数量是否平衡；若不平衡，则基于所述第一数据样本集的数据分布特征进行样本增量处理，得到第二数据样本；基于所述第一数据样本和所述第二数据样本构建基分类器，根据所述基分类器的分类结果进行数据采集；所述分类结果中包括第一类别对应的样本数量和第二类别对应的样本数量，所述根据分类结果判断所述第一数据样本集中的样本数量是否平衡，包括：计算所述第二类别对应的样本数量与所述第一类别对应的样本数量的比值；若所述比值超出预设范围，则判定所述第一数据样本集中的样本数量不平衡；所述基于所述第一数据样本集的分布特征进行样本增量处理，得到第二数据样本，包括：基于所述分类结果确定待增量的目标类别；针对所述目标类别中的每一个目标数据样本，计算所述目标数据样本对应的邻域样本密度；基于所述邻域样本密度以及所述目标数据样本与所述目标类别的中心的距离计算所述目标数据样本对应的增量优先级；根据所述目标数据样本对应的邻域样本密度和增量优先级，计算所述目标数据样本对应的最大增量数目；根据所述增量优先级和对应的最大增量数目，以每一个所述目标数据样本作为增量参考样本进行随机样本增量处理，得到所述第二数据样本；所述计算所述目标数据样本对应的邻域样本密度，包括：确定所述目标数据样本与所述目标类别中最邻近的m个数据样本之间的欧氏距离的最大值；根据所述欧氏距离的最大值获取所述目标数据样本对应的邻域范围；基于所述邻域范围以及所述邻域范围内的邻近样本数量得到所述目标数据样本对应的邻域样本密度；所述基于所述邻域样本密度以及所述目标数据样本与所述目标类别的中心的距离计算所述目标数据样本对应的增量优先级，包括：计算所述目标数据样本相对于所述目标类别中的其他数据样本的距离均值，以及所述目标类别中所有数据样本相对于其他数据样本的距离均值的最小值；基于所述距离均值和所述最小值，得到所述目标数据样本与所述目标类别的中心的距离；将所述邻域样本密度的倒数乘以所述目标数据样本与所述目标类别的中心的距离，得到第一参数；对所述第一参数进行归一化处理，得到所述目标数据样本对应的增量优先级；所述根据所述目标数据样本对应的邻域样本密度和增量优先级，计算所述目标数据样本对应的最大增量数目，包括：计算所述目标类别中与所述目标数据样本最邻近的m个数据样本所对应的邻域样本密度的总和，并根据所述总和以及所述目标数据样本对应的邻域样本密度，得到所述目标数据样本对应的邻域样本密度比；基于所述目标数据样本对应的增量优先级，以及所述第二类别对应的样本数量与所述第一类别对应的样本数量的比值，得到第二参数；对所述第二参数进行归一化处理，并将处理得到的归一化结果与所述目标数据样本对应的邻域样本密度比相乘，得到所述目标数据样本对应的最大增量数目，其中，所述目标数据样本对应的最大增量数目介于之间；所述以每一个所述目标数据样本作为增量参考样本进行随机样本增量处理，包括：获取所述目标数据样本作为增量参考样本；计算所述增量参考样本与邻域样本之间的差异向量，并将所述差异向量与随机系数相乘，得到第三参数，其中，所述随机系数介于-1~1之间；基于所述增量参考样本所对应的特征向量以及所述第三参数进行随机样本增量处理，得到增量样本。

全文数据：

权利要求：

百度查询： 济南市计量检定测试院 基于大数据的计量数据采集方法及系统