基于包络学习和分级结构一致性机制的不平衡集成算法 |
| |
作者姓名: | 李帆 张小恒 李勇明 王品 |
| |
作者单位: | 1. 重庆大学微电子与通信工程学院;2. 重庆广播电视大学 |
| |
基金项目: | 国家自然科学基金(No.61771080,No.U21A20448);;中央高校基本科研业务费(No.2022CDJJJ-003)~~; |
| |
摘 要: | 集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络(Deep Instance Envelope Network, DIEN)和分级结构一致性机制(Hierarchical Structure Consistency Mechanism, HSCM)的不平衡集成学习算法.该算法在考虑局部流形和全局结构信息的情况下,通过多层样本聚类,生成高质量的多层包络样本,从而实现类平衡化.首先,算法基于样本近邻拼接和模糊C均值聚类算法,设计DIEN来挖掘样本的结构信息,得到深度包络样本.然后,设计局部流形结构度量和全局结构分布度量来构建HSCM用于增强层间样本的分布一致性.接着,将DIEN和HSCM结合起来,构建出优化后的深度样本包络网络——DH (DIEN with HSCM).之后,将基分类器应用于包络样本.最后,设计bagging集成学习机制来融合基分类器的预测结果 .文末组织了多组实验,采用了十多个公共数据集和有代表性的相关算法进行验证...
|
关 键 词: | 不平衡学习 包络学习 分级结构一致性机制 局部流形结构度量 全局结构分布度量 |
|
|