类不平衡模糊加权极限学习机算法研究

摘要：

从理论上分析了样例不平衡分布对极限学习机性能产生危害的原因;在该理论框架下探讨了加权极限学习机在处理此类问题上的有效性及其固有缺陷;引入模糊集的思想,对传统的加权极限学习机进行了改进,并提出了4种用于解决类不平衡问题的模糊加权极限学习机算法;最后通过20个基准的二类不平衡数据集对所提算法的有效性和可行性进行了验证.实验结果表明:较之加权极限学习机及几种传统的不平衡极限学习机算法,提出的算法可明显获得更优的分类性能,并且与模糊加权支持向量机系列算法相比,所提算法通常可获得与之相当的分类性能,但时间开销往往更小.

关键词：极限学习机、类不平衡学习、模糊加权、先验分布信息

所属期刊栏目：11

分类号：TP183(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant Nos.61305058,61471182,61572242;the Natural Science Foundation of Jiangsu Province under Grant Nos.BK20130471,BK20150470;the Postdoctoral Science Foundation of China under Grant Nos.2013M540404,2015T80481;the Postdoctoral Research Funds of Jiangsu Province under Grant No.1401037B

在线出版日期：2017-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：619-632