不平衡数据多粒度集成分类算法研究

• 作者: 陈丽芳 代琪 赵佳亮
• 来源期刊: 计算机工程与科学
• 关键词: 序贯三支决策 多粒度 代价敏感 不平衡数据 集成学习
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 917-925
• 页数: 9页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2021.05.019

摘要

针对传统模型在解决不平衡数据分类问题时存在精度低、稳定性差、泛化能力弱等问题,提出基于序贯三支决策多粒度集成分类算法M GE-S3WD.采用二元关系实现粒层动态划分;根据代价矩阵计算阈值并构建多层次粒结构,将各粒层数据划分为正域、边界域和负域;将各粒层上的划分,按照正域与负域、正域与边界域、负域与边界域重新组合形成新的数据子集,并在各数据子集上构建基分类器,实现不平衡数据的集成分类.仿真结果表明,该算法能够有效降低数据子集的不平衡比,提升集成学习中基分类器的差异性,在G-mean和F-measure12个评价指标下,分类性能优于或部分优于其他集成分类算法,有效提高了分类模型的分类精度和稳定性,为不平衡数据集的集成学习提供了新的研究思路.