应用于不平衡多分类问题的损失平衡函数

• 作者: 宋恺涛 陆建峰 黄庆康
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 不平衡学习 不平衡数据分类 多分类不平衡 损失平衡 不平衡数据分类算法 不平衡数据集 F1调和平均 卷积神经网络 深度学习
• 年，卷（期）: 2019,（5）
• 页码范围: 953-958
• 页数: 6页
• 分类号: TP391
• 字数: 4135字
• 语种: 中文
• DOI: 10.11992/tis.201808004

摘要

传统分类算法一般要求数据集类别分布平衡,然而在实际情况中往往面临的是不平衡的类别分布.目前存在的数据层面和模型层面算法试图从不同角度解决该问题,但面临着参数选择以及重复采样产生的额外计算等问题.针对此问题,提出了一种在小批量内样本损失自适应均衡化的方法.该算法采用了一种动态学习损失函数的方式,根据小批量内样本标签信息调整各样本损失权重,从而实现在小批量内各类别样本总损失的平衡性.通过在caltech101和ILSVRC2014数据集上的实验表明,该算法能够有效地减少计算成本并提高分类精度,且一定程度上避免了过采样方法所带来的模型过拟合风险.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陆建峰	南京理工大学计算机科学与工程学院	77	1217	17.0	33.0
2	黄庆康	南京理工大学计算机科学与工程学院	4	8	2.0	2.0
3	宋恺涛	南京理工大学计算机科学与工程学院	3	3	1.0	1.0