基于集成的非均衡数据分类主动学习算法

• 作者: 张永 李卓然
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 非均衡数据 集成 主动学习 分类
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 基金项目论文
• 页码范围: 81-83,88
• 分类号: TP181
• 字数: 3677字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2012.06.022

摘要

当前,处理类别非均衡数据采用的主要方法之一就是预处理,将数据均衡化之后采取传统的方法加以训练.预处理的方法主要有过取样和欠取样,然而过取样和欠取样都有自己的不足,提出拆分提升主动学习算法SBAL( Split-Boost Active Learning),该算法将大类样本集根据非均衡比例分成多个子集,子集与小类样本集合并,对其采用AdaBoost算法训练子分类器,然后集成一个总分类器,并基于QBC( Query-by-committee)主动学习算法主动选取有效样本进行训练,基本避免了由于增加样本或者减少样本所带来的不足.实验表明,提出的算法对于非均衡数据具有更高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永	辽宁师范大学计算机与信息技术学院	48	408	12.0	17.0
5	李卓然	辽宁师范大学计算机与信息技术学院	3	34	2.0	3.0