具有两类上限条件的虚拟样本生成数量优化

• 作者: 刘廷章 林越 王哲河
• 来源期刊: 广西师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 小样本 机器学习 虚拟样本 信息熵 置信水平
• 年，卷（期）: 2019,（1）
• 页码范围: 142-148
• 页数: 7页
• 分类号: TP181
• 字数: 4981字
• 语种: 中文
• DOI: 10.16088/j.issn.1001-6600.2019.01.016

摘要

面对小样本数据集,虚拟样本生成(virtual sample generation,VSG)技术已被证实能有效提升机器学习算法的性能,然而对于最优的生成数量并未有明确的结论.本文首先在给定训练样本标准方差上限的条件下,采用信息熵理论研究最优虚拟样本生成数量;其次将虚拟样本所产生的噪声加以考虑,在给定的置信水平(0.95)下建立了最优虚拟样本生成数量的一般概率模型及分析方法;最后以2016年浙江湖州某变电站历史监测故障数据建立小样本数据集,设计4次相关虚拟样本生成实验,结果表明,上述两种最优虚拟样本生成数量法则行之有效,相应的机器学习预测精度有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘廷章	上海大学自动化学院	73	313	10.0	12.0
2	王哲河	海南热带海洋学院理学院	5	5	1.0	2.0
3	林越	海南热带海洋学院理学院	9	11	2.0	2.0