一种基于动态密度引导的生成对抗网络不平衡数据处理方法

本发明涉及一种动态密度引导的生成对抗网络不平衡数据处理方法(DAG‑WGAN)。DAG‑WGAN通过数据预处理、动态密度估计与权重分配、基于变分自编码器(VAE)的潜在结构学习、基于WGAN‑GP的密度引导生成和动态反馈优化实现不平衡数据处理。DAG‑WGAN利用核密度估计(KDE)与高斯核函数自适应评估样本密度，并为生成过程分配权重，从而重点增强低密度、判别困难区域的样本生成。VAE学习少数类样本的潜在流形结构，并在WGAN‑GP框架下实现对潜在空间的密度引导生成，确保生成样本的多样性与流形一致性。此外，引入动态反馈机制，自适应调整生成权重与梯度惩罚系数，提升训练稳定性和样本生成的鲁棒性。