绝对不平衡样本分类的集成迁移学习算法

• 作者: 么素素 侯永宏 王宝亮
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 集成迁移学习 级联模型 不平衡数据 TrAdaBoost
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 1145-1153
• 页数: 9页
• 分类号: TP181
• 字数: 6106字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1705080

摘要

针对训练数据绝对不平衡问题,提出了一种基于级联结构的集成迁移学习算法.该算法主要包括两部分:迁移学习部分和数据选择部分.在迁移学习阶段,针对TrAdaBoost算法中辅助领域样本权重不可恢复 问题,引入权重恢复因子;在数据选择阶段,算法利用级联结构逐步删除辅助领域中噪声样本与冗余样本,在保证目标领域主导作用的同时充分利用辅助领域数据.在真实数据集上的实验结果表明,该算法在数据绝对不平衡的情况下,提升了分类器的综合评价指标与几何平均数,因此该算法可以在一定程度上解决数据绝对不平衡问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯永宏	天津大学电气自动化与信息工程学院	31	228	7.0	14.0
2	王宝亮	天津大学信息与网络中心	25	135	7.0	10.0
3	么素素	天津大学电气自动化与信息工程学院	1	7	1.0	1.0