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 |
|
|