代价敏感概率神经网络及其在故障诊断中的应用
针对传统的分类算法人多以误分率最小化为目标,忽略了误分类型之间的差别和数据集的非平衡性的问题,提出代价敏感概率神经网络算法.该算法将代价敏感机制引入概率神经网络,用期望代价取代误分率,以期望代价最小化为目标,基于期望代价最小的贝叶斯决策规则预测新样本类别.采用工业现场数据和数据集German Credit验证了该算法的有效性.实验结果表明,该算法具有故障识别率高、泛化能力强、建模时间短等特点.
代价敏感学习、概率神经网络、分类、代价敏感概率神经网络
25
TP18(自动化基础理论)
国家自然科学基金60874069;60634020;国家863计划项目2009AA04Z137;湖南省自然科学基金09JJ3122
2010-10-15(万方平台首次上网日期,不代表论文的发表时间)
1074-1078