基于主动学习的平衡类鉴别分析

• 作者: 姚永芳 李敏 荆晓远 黄明晓
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 类不平衡 鉴别特征 主动学习 鉴别分析
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 95-98
• 页数: 4页
• 分类号: TP301
• 字数: 3203字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2014.06.024

摘要

特定类的思想是将传统的多类特征提取和识别任务转化为多个两类问题,由此产生了类不平衡问题,影响最优鉴别特征的提取。为了解决该问题,文中提出了一种主动学习平衡类鉴别分析( ALCBD)方法。对于每个特定类,ALCBD从其对应的大类中选取它的部分近邻样本构成特定类的近邻样本集,接着将这个近邻样本集划分成与特定类相同样本数的多个子集,然后根据主动学习的思想挑选最优子集与特定类结合成为新样本集,最后用传统的线性鉴别分析( LDA)方法得到鉴别向量。基于USPS和Honda/UCSD数据库的实验表明ALCBD方法能够有效地解决类不平衡问题,并改善了识别性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆晓远	南京邮电大学自动化学院	52	99	5.0	6.0
2	李敏	南京邮电大学自动化学院	34	36	3.0	4.0
3	姚永芳	南京邮电大学自动化学院	16	20	2.0	2.0
4	黄明晓	南京邮电大学自动化学院	2	2	1.0	1.0