基于CSD-ELM的不平衡数据分类算法

• 作者: 王大飞 董文瀚 解武杰
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 不平衡数据 极限学习机 代价敏感学习 Mini-batch k-means聚类 约束优化理论
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 54-61
• 页数: 8页
• 分类号: TP181
• 字数: 5910字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0054988

摘要

基于代价敏感学习的极限学习机(ELM)算法在处理不平衡数据分类问题时,未考虑不同类别样本的分布特点以及同一类别中各样本的重要性对分类结果的影响.为此,提出基于样本数量比例的错分惩罚因子设置方法,并基于Mini-batch k-means聚类与距离测度设计一种类内样本权值确定方案.在此基础上,构建区分正、负类别的隐含层输出矩阵,根据训练样本数与ELM隐含层节点数间的关系,分2种情况计算ELM隐含层与输出层间的连接权值,以降低算法的时间复杂度.实验结果表明,与ELM、WELM等算法相比,该算法的G-mean、F1分类性能指标值均较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	解武杰	空军工程大学航空工程学院	30	257	7.0	15.0
2	董文瀚	空军工程大学航空工程学院	75	528	12.0	19.0
3	王大飞	空军工程大学研究生院	1	1	1.0	1.0