耦合样本先验分布信息的加权极限学习机

摘要：

极限学习机广泛用于分类、聚类、回归等任务中,但在处理类不平衡分类问题时,前人未充分考虑样本先验分布信息对分类性能的影响.针对此问题,本文提出耦合样本先验分布信息的加权极限学习机(Coupling sample Prior distribu-tion Weighted Extreme Learning Machine,CPWELM)算法.该算法基于加权极限学习机,充分探讨不同分布样本点的重要程度,以此构造代价矩阵,进而提升分类器性能.本文通过12个不平衡数据集,对CPWELM算法的可行性及有效性进行了验证.结果表明,相比同类其他算法,CPWELM算法的性能更优.

关键词：类不平衡、极限学习机、代价敏感学习、样本先验信息

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目61305058,61572242;江苏省自然科学基金资助项目BK20130471;中国博士后特别资助计划项目2015T80481;中国博士后科学基金资助项目2013M540404;江苏省博士后基金资助项目1401037B

在线出版日期：2018-09-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：61-65