面对类别不平衡的增量在线序列极限学习机

• 作者: 周洁 左鹏玉 王士同
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 类别不平衡学习 增量 无逆矩阵 在线学习 极限学习机 分类 多类不平衡 神经网络
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能基础
• 页码范围: 520-527
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.11992/tis.201904040

摘要

针对在线序列极限学习机对于类别不平衡数据的学习效率低、分类准确率差的问题,提出了面对类别不平衡的增量在线序列极限学习机(IOS-ELM).该算法根据类别不平衡比例调整平衡因子,利用分块矩阵的广义逆矩阵对隐含层节点数进行寻优,提高了模型对类别不平衡数据的在线处理能力,最后通过14个二类和多类不平衡数据集对该算法有效性和可行性进行验证.实验结果表明:该算法与同类其他算法相比具有更好的泛化性和准确率,适用于类别不平衡场景下的在线学习.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同		528	3424	23.0	37.0
2	周洁		16	237	7.0	15.0
3	左鹏玉		2	1	1.0	1.0