非平衡样本分类的集成迁移学习算法

• 作者: 于重重 涂序彦 田蕊 谭励
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 迁移学习 分类器集成 冗余数据淘汰 权重分配
• 年，卷（期）: 2012,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1358-1363
• 分类号: TP391
• 字数: 4831字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2012.07.012

摘要

针对冗余数据量大且正负样本不平衡的辅助训练数据,提出了一种改进集成迁移学习算法,利用这些辅助训练数据迁移帮助目标数据进行分类.新的样本初始权重分配及调整策略,突出了对负样本的识别能力.通过动态调整辅助训练集,根据设定好的权重阈值下限适时地淘汰冗余数据,降低了冗余数据对分类器性能的影响,提升了迁移学习对非平衡样本的学习能力.本文利用桥梁实际监测数据进行的实验表明了该算法较TrAdaboost算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	涂序彦	北京科技大学信息计算机与通信工程学院	254	2232	21.0	35.0
2	谭励	北京工商大学计算机与信息工程学院	54	205	8.0	11.0
3	于重重	北京工商大学计算机与信息工程学院	99	762	14.0	23.0
7	田蕊	北京工商大学计算机与信息工程学院	4	50	3.0	4.0