基于主曲线的不均衡在线贯序极限学习机研究

• 作者: 何玲 毛文涛 王礼云 王金婉
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 在线贯序极限学习机 不均衡数据 主曲线 少类样本合成过采样
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 第十五届中国机器学习会议
• 页码范围: 62-67
• 页数: 6页
• 分类号: TP181
• 字数: 7311字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.3.012

摘要

针对现有机器学习算法难以有效提高不均衡在线贯序数据中少类样本分类精度的问题,提出了一种基于主曲线的不均衡在线贯序极限学习机.该方法的核心思路是根据在线贯序数据的分布特性,均衡各类别样本,以减少少类样本合成过程中的盲目性,主要包括离线和在线两个阶段.离线阶段采用主曲线分别建立各类别样本的分布模型,利用少类样本合成过采样算法对少类样本过采样,并根据各样本点到对应主曲线的投影距离分别为其设定相应大小的隶属度,最后根据隶属区间削减多类和少类虚拟样本,进而建立初始模型.在线阶段对贯序到达的少类样本过采样,并根据隶属区间均衡贯序样本,进而动态更新网络权值.通过理论分析证明了所提算法在理论上存在损失信息上界.采用UCI标准数据集和实际澳门气象数据进行仿真实验,结果表明,与现有典型算法相比,该算法对少类样本的预测精度更高,数值稳定性更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王金婉	河南师范大学计算机与信息工程学院	4	46	3.0	4.0
2	何玲	河南师范大学计算机与信息工程学院	4	46	3.0	4.0
3	王礼云	河南师范大学计算机与信息工程学院	3	17	2.0	3.0