耦合样本先验分布信息的加权极限学习机

• 作者: 于化龙 席晓燕
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 类不平衡 极限学习机 代价敏感学习 样本先验信息
• 年，卷（期）: 2018,（8）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 61-65
• 页数: 5页
• 分类号: TP181
• 字数: 4818字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.08.012

摘要

极限学习机广泛用于分类、聚类、回归等任务中,但在处理类不平衡分类问题时,前人未充分考虑样本先验分布信息对分类性能的影响.针对此问题,本文提出耦合样本先验分布信息的加权极限学习机(Coupling sample Prior distribu-tion Weighted Extreme Learning Machine,CPWELM)算法.该算法基于加权极限学习机,充分探讨不同分布样本点的重要程度,以此构造代价矩阵,进而提升分类器性能.本文通过12个不平衡数据集,对CPWELM算法的可行性及有效性进行了验证.结果表明,相比同类其他算法,CPWELM算法的性能更优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于化龙	江苏科技大学计算机学院	44	135	8.0	10.0
2	席晓燕	江苏科技大学计算机学院	2	0	0.0	0.0