基于MTS-AdaBoost的不平衡数据分类研究

• 作者: 程龙生 顾玉萍
• 来源期刊: 计算机应用研究
• 关键词: 马田系统 AdaBoost集成算法 不平衡数据 财务危机预警 分类
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 346-348,353
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.02.006

摘要

不平衡数据在实际应用中广泛存在,而传统的分类算法大多假定类分布平衡,因此解决不平衡数据的分类问题已经成为数据挖掘的瓶颈问题之一.马田系统(MTS)是一种多元模式识另别方法,将其与AdaBoost集成算法相结合,形成MTS-AdaBoost算法.该算法以MTS为基分类器,根据上一个基分类器的预测结果,自行调整下一个基分类器中样本被抽中的概率,以此来改变不同类数据的平衡度.最后,利用该算法对2010-2015年间上市公司的财务危机预警进行实证研究,结果表明,MTS-AdaBoost算法在系统降维和分类效果上都优于传统MTS,也优于其他常用的单一分类器.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程龙生	南京理工大学经济管理学院	71	668	13.0	22.0
2	顾玉萍	南京理工大学经济管理学院	5	20	3.0	4.0