基于多类重采样的非平衡数据极速学习机集成学习

• 作者: 王晓兰 王熙照 邢胜
• 来源期刊: 南京大学学报（自然科学版）
• 学科: 工学
• 关键词: 极速学习机 非均衡数据 重采样 集成学习
• 年，卷（期）: 2016,（1）
• 页码范围: 203-211
• 分类号: TP181
• 语种: 中文
• DOI: 10.13232/j.cnki.jnju.2016.01.023

摘要

极速学习机(Extreme learning machine,ELM)虽然已在理论和应用中证实有很好的泛化性能和极快的训练速度,但是在处理非均衡数据时,它更偏向多数类且极容易忽略少数类,基于数据重采样的集成学习可以帮助ELM解决少数类分类精度低的问题.提出一种按类别重采样技术并据此发展了一种ELM集成学习方法.该方法可充分利用少数类样本的信息,实验结果显示该方法性能明显优于单一的ELM学习模型.由于重采样是大数据处理的最核心的技术之一,该方法对非均衡大数据的学习模型建立有着一般性的指导意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王熙照	河北大学数学与信息科学学院	88	1286	18.0	32.0
2	邢胜	河北大学管理学院	9	24	2.0	4.0
4	王晓兰	沧州职业技术学院信息工程系	10	18	2.0	4.0