面向不平衡数据分类的KFDA-Boosting算法

doi:10.19734/j.issn.1001-3695.2017.10.0978

CORC > 上海财经大学 > 上海财经大学

	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.