面向不均衡数据的动态抽样集成学习算法

• 作者: 张燕 杜红乐
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 抽样概率 不均衡数据 集成学习
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 算法
• 页码范围: 271-276
• 页数: 6页
• 分类号: TP3
• 字数: 5149字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.06.049

摘要

针对网络行为数据不均衡的问题,从数据均衡化和集成学习两个角度出发,提出一种基于动态抽样概率的集成学习算法.依据抽样概分布对多数类样本进行重采样,相比随机抽样,能更准确地加大对错分样本的学习.在更新样本抽样概率时,依据本轮迭代之前所得分类器的集成测试分类效果,而不是只依据本轮迭代所得分类器的分类效果.用7组UCI数据集和KDDCUP数据集来评估算法在不均衡数据集下的分类性能,实验结果显示,算法在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