| 面向类不平衡数据的K近邻偏标记学习算法 |
| |
| 引用本文： | 王丽,于明仟,刘文鹏,周瑜,郑蕊蕊,贺建军.面向类不平衡数据的K近邻偏标记学习算法[J].山东大学学报(工学版),2022,52(3):18-24. |
| |
| 作者姓名： | 王丽 于明仟 刘文鹏 周瑜 郑蕊蕊 贺建军 |
| |
| 作者单位： | 大连民族大学信息与通信工程学院, 辽宁 大连 116000 |
| |
| 基金项目： | 国家自然科学基金资助项目(62102062,61972068);辽宁省自然科学基金资助项目(2020-MS-134,2020-MZLH-29,20180550625) |
| |
| 摘 要： | 针对于类不平衡的偏标记学习问题,在PL-KNN算法的基础上,提出一种可以较有效处理类不平衡问题的偏标记K近邻学习算法(K-nearest neighbor algorithm for class imbalanced partial label learning,IM-PLKNN),利用Parzen窗估计法在样本的不同类别的近邻上设置不同的权重,使多数类样本权重降低,让属于少数类样本的近邻具有更高的权重,降低将少数类样本误测为多数类样本的概率,提高对少数类样本的识别精度。试验结果表明,IM-PLKNN算法较PL-KNN算法在不同评价指标上均有显著提高,特别是对少数类样本的识别精度有大幅度提高。IM-PLKNN算法可以有效提高类不平衡的偏标记K近邻学习算法对数据集整体的预测性能。
|
| 关 键 词： | 偏标记学习 类不平衡 K近邻分类 Parzen窗估计 代价敏感策略 |
K-nearest neighbor based partial label learning algorithm for class imbalanced data |
| |
| WANG Li,YU Mingqian,LIU Wenpeng,ZHOU Yu,ZHENG Ruirui,HE Jianjun.K-nearest neighbor based partial label learning algorithm for class imbalanced data[J].Journal of Shandong University of Technology,2022,52(3):18-24. |
| |
| Authors: | WANG Li YU Mingqian LIU Wenpeng ZHOU Yu ZHENG Ruirui HE Jianjun |
| |
| Affiliation: | College of Information and Communication Engineering, Dalian Minzu University, Dalian 116000, Liaoning, China |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《山东大学学报(工学版)》浏览原始摘要信息 |
|
点击此处可从《山东大学学报(工学版)》下载全文 |
|
