基于异构距离的集成分类算法研究

• 作者: 张燕 杜红乐
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 异构数据 不均衡数据 异构距离 集成学习 过取样 欠取样
• 年，卷（期）: 2019,（4）
• 页码范围: 733-742
• 页数: 10页
• 分类号: TP391.4
• 字数: 6064字
• 语种: 中文
• DOI: 10.11992/tis.201807023

摘要

针对异构数据集下的不均衡分类问题,从数据集重采样、集成学习算法和构建弱分类器3个角度出发,提出一种针对异构不均衡数据集的分类方法——HVDM-Adaboost-KNN算法(heterogeneous value difference metric-Adaboost-KNN),该算法首先通过聚类算法对数据集进行均衡处理,获得多个均衡的数据子集,并构建多个子分类器,采用异构距离计算异构数据集中2个样本之间的距离,提高KNN算法的分类准性能,然后用Adaboost算法进行迭代获得最终分类器.用8组UCI数据集来评估算法在不均衡数据集下的分类性能,Adaboost实验结果表明,相比Adaboost等算法,F1值、AUC、G-mean等指标在异构不均衡数据集上的分类性能都有相应的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杜红乐	商洛学院数学与计算机应用学院	32	111	7.0	9.0
2	张燕	商洛学院数学与计算机应用学院	33	104	6.0	8.0