面向不平衡数据分类的KFDA-Boosting算法 | |
王来; 樊重俊; 杨云鹏; 袁光辉 | |
刊名 | 计算机应用研究 |
2018 | |
期号 | 2019年03期页码:807-811 |
关键词 | 核费希尔判别分析 集成学习 不平衡数据 分类 |
ISSN号 | 1001-3695 |
DOI | 10.19734/j.issn.1001-3695.2017.10.0978 |
英文摘要 | 数据分布的不平衡性和数据特征的非线性增加了分类的困难,特别是难以识别不平衡数据中的少数类,从而影响整体的分类效果。针对该问题,结合KFDA(kernel Fisher discriminant analysis)能有效提取样本非线性特征的特性和集成学习中Boosting算法的思想,提出了KFDA-Boosting算法。为了验证该算法对不平衡数据分类的有效性和优越性,以G-mean值、少数类的查准率与查全率作为分类效果的评价指标,选取了UCI中10个数据集测试KFDA-Boosting算法性能,并与支持向量机等六种分类算法进行对比实验。结果表明,对于不平衡数据分类,尤其是对不平衡度较大或呈非线性特征的数据,相比于其他分类算法,KFDA-Boosting算法能有效地识别少数类,并且在整体上具有显著的分类效果和较好的稳定性。 |
URL标识 | 查看原文 |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://10.2.47.112/handle/2XS4QKH4/11870] |
专题 | 上海财经大学 |
作者单位 | 1.上海理工大学管理学院 2.上海财经大学信息管理与工程学院 3.上海财经大学实验中心 |
推荐引用方式 GB/T 7714 | 王来,樊重俊,杨云鹏,等. 面向不平衡数据分类的KFDA-Boosting算法[J]. 计算机应用研究,2018(2019年03期):807-811. |
APA | 王来,樊重俊,杨云鹏,&袁光辉.(2018).面向不平衡数据分类的KFDA-Boosting算法.计算机应用研究(2019年03期),807-811. |
MLA | 王来,et al."面向不平衡数据分类的KFDA-Boosting算法".计算机应用研究 .2019年03期(2018):807-811. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论