| 面向失衡数据的自适应加权ELM分类算法 |
| |
| 引用本文： | 孙中强,应文豪,毕安琪,王骏,龚声蓉.面向失衡数据的自适应加权ELM分类算法[J].计算机工程与设计,2023(7):2008-2014. |
| |
| 作者姓名： | 孙中强 应文豪 毕安琪 王骏 龚声蓉 |
| |
| 作者单位： | 1. 苏州大学计算机科学与技术学院;2. 常熟理工学院计算机科学与工程学院;3. 上海大学通信与信息工程学院 |
| |
| 基金项目： | 国家重点研发计划基金项目(2018YFB1004901)；;教育部人文社科基金项目(18YJCZH229)；;江苏省教育科学十三五规划基金项目(X-a/2018/10)； |
| |
| 摘 要： | 为提高极限学习机在失衡数据中的整体分类性能，提出一种基于代价敏感学习的自适应加权极限学习机分类算法。考虑各类间样本的差异性和同一类内样本的丰富性，利用类样本数量差异构造初始惩罚权重，分析样本附近异类样本数量确定额外代价权重，将两种代价权重相加构建自适应代价敏感惩罚矩阵。在公共数据集上的一系列对比实验结果表明，采用的自适应加权策略兼顾了不同类别样本的分布，在不平衡数据集上有效提高了算法整体分类精度。
|
| 关 键 词： | 不平衡数据 加权极限学习机 代价敏感学习 自适应 分类 惩罚矩阵 类分布 |
|
|
