一种鲁棒非平衡极速学习机算法

• 来源期刊: 计算机应用研究
• 关键词: 极速学习机 不平衡数据集 基于核的可能性模糊C-均值聚类 神经网络
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 985-988,1004
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2014.04.006

摘要

极速学习机（ELM）算法只对平衡数据集分类较好，对于非平衡数据集，它通常偏向多数样本类，对于少数样本类性能较低。针对这一问题，提出了一种处理不平衡数据集分类的ELM模型（ELM-CIL），该模型按照代价敏感学习的原则为少数类样本赋予较大的惩罚系数，并引入模糊隶属度值减小了外围噪声点的影响。实验表明，提出的方法不仅对提高不平衡数据集中少数类的分类精度效果较明显，而且提高了对噪声的鲁棒性。