节点文献

基于多类重采样的非平衡数据极速学习机集成学习

免费订阅

【作者】 邢胜王熙照王晓兰

【Author】 Xing Sheng;Wang Xizhao;Wang Xiaolan;College of Management,Hebei University;Department of Computer,Cangzhou Normal University;College of Mathematics and Information Science,Hebei University;Department of Information Engineering,Cangzhou Technical College;

【机构】 河北大学管理学院沧州师范学院计算机系河北大学数学与信息科学学院沧州职业技术学院信息工程系

【摘要】 极速学习机(Extreme learning machine,ELM)虽然已在理论和应用中证实有很好的泛化性能和极快的训练速度,但是在处理非均衡数据时,它更偏向多数类且极容易忽略少数类,基于数据重采样的集成学习可以帮助ELM解决少数类分类精度低的问题.提出一种按类别重采样技术并据此发展了一种ELM集成学习方法.该方法可充分利用少数类样本的信息,实验结果显示该方法性能明显优于单一的ELM学习模型.由于重采样是大数据处理的最核心的技术之一,该方法对非均衡大数据的学习模型建立有着一般性的指导意义.

【基金】 国家自然科学基金(61170040;71371063)
  • 【DOI】10.13232/j.cnki.jnju.2016.01.023
  • 【分类号】TP181
  • 【被引频次】5
  • 【下载频次】130
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: