基于Boosting的不平衡数据分类算法研究

• 作者: 李秋洁 王执铨 茅耀斌
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 不平衡数据分类 Boosting 采样
• 年，卷（期）: 2011,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 224-228
• 分类号: TP18
• 字数: 6029字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2011.12.050

摘要

研究基于boosting的不平衡数据分类算法,归纳分析现有算法,在此基础上提出权重采样boosting算法.对样本进行权重采样,改变原有数据分布,从而得到适用于不平衡数据的分类器.算法本质是利用采样函数调整原始boosting损失函数形式,进一步强调正样本的分类损失,使得分类器侧重对正样本的有效判别,提高正样本的整体识别率.算法实现简单,实用性强,在UCI数据集上的实验结果表明,对于不平衡数据分类问题,权重采样boosting优于原始boosting及前人算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王执铨	南京理工大学自动化学院	331	3939	30.0	46.0
2	茅耀斌	南京理工大学自动化学院	37	772	17.0	27.0
3	李秋洁	南京理工大学自动化学院	5	128	4.0	5.0