不平衡超限学习机的全局惩罚参数选择方法

• 作者: 卢诚波 徐卉慧 柯海丰
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 数据挖掘 不平衡数据集 单隐层前馈神经网络 超限学习机 加权超限学习机 全局惩罚参数 分类器
• 年，卷（期）: 2017,（9）
• 页码范围: 1444-1449
• 页数: 6页
• 分类号: TP183
• 字数: 4301字
• 语种: 中文
• DOI: 10.11990/jheu.201610045

摘要

超限学习机在对不平衡数据集进行学习和分类时,正类样本容易被错分.而加权超限学习机只考虑了数据集类之间的不平衡,忽视了样本类内的不平衡的现象.本文阐述了超限学习机在不平衡数据集上分类效果欠佳的原因,提出了根据数据集选取惩罚参数的方法,采用将类间的惩罚参数与类内的惩罚参数相结合的方法,形成全局惩罚参数,即将类惩罚参数进一步精确到样本个体惩罚参数.结果表明:这种方法实现起来简单方便,与其他类型的超限学习机相比较,这种全局惩罚参数的选择方法在提高分类准确率方面能够取得更好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柯海丰	浙江大学城市学院计算机系	6	47	2.0	6.0
2	卢诚波	丽水学院工学院	25	78	4.0	7.0
3	徐卉慧	太平洋大学工程与计算机科学学院	1	1	1.0	1.0