基于動態(tài)代價敏感的機器學(xué)習(xí)研究.pdf

1、華中科技大學(xué)博士學(xué)位論文基于動態(tài)代價敏感的機器學(xué)習(xí)研究姓名：陳曉林申請學(xué)位級別：博士專業(yè)：計算機應(yīng)用技術(shù)指導(dǎo)教師：宋恩民20101222II華中科技大學(xué)博士學(xué)位論文為適應(yīng)度函數(shù)，用遺傳算法來搜尋不均衡數(shù)據(jù)集的最優(yōu)誤分類代價；（3）自適應(yīng)動態(tài)代價敏感SVM分類器算法（ADCSVM），該算法以SGA作為最優(yōu)誤分類代價的搜尋算法，以代價敏感SVM作為個體構(gòu)造分類器，在面對不均衡數(shù)據(jù)集時，所得分類器的性能比當(dāng)前的代價敏感SVM有著顯著提升。基于

2、動態(tài)誤分類代價機制和自適應(yīng)代價尋優(yōu)方法，結(jié)合bagging技術(shù)，提出了一個新穎的代價敏感集成分類器算法自適應(yīng)動態(tài)代價優(yōu)化集成分類器（ADOE）。該方法利用重采樣技術(shù)（有放回和無放回兩種形式），并對每個不同類別的實例進行誤代價加權(quán)，結(jié)合誤分類代價尋優(yōu)算法，利用不穩(wěn)定的學(xué)習(xí)算法訓(xùn)練多個子分類器，用投票方式對原始數(shù)據(jù)集實例重新賦予代價敏感性的類別標(biāo)志，得到的代價非敏感的集成分類器具有代價敏感的分類能力。該分類器在面對類分布嚴(yán)重偏斜的數(shù)據(jù)集時，