基于累积正样本的偏斜数据流集成分类方法

• 作者: 王勇 郭文锋
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 偏斜数据流 累积正样本 集成分类器 概念漂移
• 年，卷（期）: 2015,（3）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 41-47
• 页数: 7页
• 分类号: TP391
• 字数: 6748字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2015.03.009

摘要

针对现有处理偏斜数据流的方法存在过拟合或者未充分利用现有数据这一问题,提出一种基于累积正样本的偏斜数据流集成分类方法EAMIDS。该算法把目前达到的所有数据块的正样本收集起来生成集合AP,然后采用KNN算法和Over-sampling方法来平衡数据块的类分布。当基分类器数量超过最大值时,根据F-Measure值来更新集成分类器。通过在模拟数据集SEA和SPH上的实验,与IDSL算法和SMOTE算法相比,表明EAMIDS具有更高的准确率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇	西北工业大学理学院	73	493	12.0	19.0
2	郭文锋	西北工业大学计算机学院	1	1	1.0	1.0