期刊专题

10.3969/j.issn.1006-2475.2018.08.012

耦合样本先验分布信息的加权极限学习机

引用
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.

类不平衡、极限学习机、代价敏感学习、样本先验信息

TP181(自动化基础理论)

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

2018-09-19(万方平台首次上网日期,不代表论文的发表时间)

共5页

61-65

暂无封面信息
查看本期封面目录

计算机与现代化

1006-2475

36-1137/TP

2018,(8)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn