基于集成學習的非平衡數(shù)據(jù)集分類問題的研究.pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、非平衡數(shù)據(jù)集分類是近年來機器學習和模式識別領(lǐng)域研究的熱點問題之一。在實際應(yīng)用中這種非平衡數(shù)據(jù)分類問題很常見,如衛(wèi)星圖像檢測油井噴發(fā)、罕見病例的醫(yī)療診斷、網(wǎng)絡(luò)入侵檢測、交易欺詐識別、惡意欠費識別等。因此,提高分類器在非平衡數(shù)據(jù)集上的分類性能和泛化能力具有重要價值和現(xiàn)實意義。
  由于非平衡數(shù)據(jù)集中類別數(shù)量上的嚴重傾斜和分布不均衡,基于傳統(tǒng)的分類算法不太適合直接用來處理非平衡數(shù)據(jù)集。因此,人們在數(shù)據(jù)層面通過改變類分布狀況和在算法層面通

2、過改進算法提高分類性能兩個角度進行改進,雖然分類性能得到了改進,但是正類的分類精度仍普遍較低。當前采用集成學習的方式對非平衡數(shù)據(jù)集進行研究,已經(jīng)取得一定的成效,但是分類性能有待進一步提高。
  為解決上述問題,本文主要做了以下研究工作:
  受“最富信息”策略的啟發(fā),重點從關(guān)注錯分的正類樣本入手從數(shù)據(jù)層面和算法層面相結(jié)合的角度提出了集成學習改進方案一和方案二。
  其中方案一針對類別非平衡數(shù)據(jù)的分布特點先運用KSMOT

3、E重抽樣技術(shù)在特征空間中合成一定量的正類樣本,在改善原始數(shù)據(jù)集的傾斜狀況的基礎(chǔ)上,采用上抽樣KSMOTE和下抽樣Bootstrap相結(jié)合的方式構(gòu)建相對平衡的訓練集。根據(jù)分類代價的不同分別賦予正負類樣本不同的權(quán)值,然后在AdaBoost集成框架下以 SVM作為弱分類器進行集成訓練,從而達到更好的分類效果與泛化能力。通過在15個UCI數(shù)據(jù)集上將所提出的方案一與AdaBoostMI和ENSVM算法進行對比實驗,證實了所提出的方案一在分類性能上

4、優(yōu)于AdaBoostMI和ENSVM。
  方案二則是以AdaBoost為主要框架,利用重抽樣技術(shù)KSMOTE在特征空間合成分類困難的正類樣本,根據(jù)分類代價的不同分別初始化正負類樣本不同的權(quán)值,然后以SVM為弱分類器進行集成學習。在訓練的過程中是在訓練樣本集的基礎(chǔ)上應(yīng)用KSMOTE重抽樣技術(shù)在特征空間合成分類困難的正類樣本集,而不是在訓練初期應(yīng)用KSMOTE改變原始非平衡數(shù)據(jù)集,而且通過在訓練過程中每次循環(huán)時將前一步的誤分類樣本參

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論