基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
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.
推荐文章
不平衡数据的集成分类算法综述
不平衡数据
集成学习
分类
代价敏感
数据采样
集成学习算法在不平衡分类中的应用研究
机器学习
类不平衡
集成学习
评测标准
不平衡样本集分类算法研究
支持向量机
分类
欠采样算法
不平衡样本
基于样本投影分布的平衡不平衡数据集分类
平衡不平衡数据集
样本投影分布
支持向量机
支持向量数据描述
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 绝对不平衡样本分类的集成迁移学习算法
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
研究方向 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
五维指标
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
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (212)
参考文献  (9)
节点文献
引证文献  (7)
同被引文献  (16)
二级引证文献  (1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(7)
  • 参考文献(0)
  • 二级参考文献(7)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(4)
  • 参考文献(4)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(3)
  • 引证文献(3)
  • 二级引证文献(0)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
集成迁移学习
级联模型
不平衡数据
TrAdaBoost
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机科学与探索
月刊
1673-9418
11-5602/TP
大16开
北京市海淀区北四环中路211号北京619信箱26分箱
82-560
2007
chi
出版文献量(篇)
2215
总下载数(次)
4
总被引数(次)
10748
论文1v1指导