10.11896/j.issn.1002-137X.2017.04.057
改进的加权极速学习机
针对加权极速学习机人为固定权重可能会错失更优权重的问题,提出了改进的加权极速学习机.该方法的多数类的初始权重设为1,使用多数类与少数类样例数的比值作为少数类的初始权重,然后通过在多数类或者少数类中添加权重调节因子,从缩小和扩大两个方向去调节权重,最后通过实验结果选出最优的权重.实验分别使用原加权极速学习机、其他权重的极速学习机和新方法在改造的UCI数据集上进行比较.结果表明新方法无论是在F-mea-sure还是G-mean上都要优于其他加权极速学习机.
不平衡学习、加权极速学习机、代价敏感学习、单隐层前馈网络
44
TP181(自动化基础理论)
国家自然科学基金资助项目71371063,61170040,61672205;河北省人力资源社会保障科研合作课题JRSHZ-2016-07038
2017-05-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
275-280