面向不平衡数据的多层神经网络模型

摘要：

传统的不平衡数据分类问题往往会因为类间数据不平衡造成分类器的性能下降.利用AUC(ROC曲线下的面积)为评价指标,结合单类F-score特征选择和遗传算法建立多层神经网络模型,选出对于不平衡数据分类更有利的特征子集,从而建立更适用于不平衡数据分类的深度模型.基于Tensor Flow建立多层神经网络模型,通过对4组不同UCI数据集进行测试,并与传统的机器学习算法如朴素贝叶斯、K最近邻、神经网络等进行对比验证.实验证明,所提模型在处理不平衡数据分类问题上的表现更优秀.

关键词：不平衡数据、单类F-score特征选择、遗传算法、多层神经网络

所属期刊栏目：2

分类号：TP393(计算技术、计算机技术)

资助基金：国家重点研发计划基金资助项目2016YFC0901303

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：65-72