文献类型：期刊文章

作　　者：张晶[1] 冯林[2]

机构地区：[1]大连理工大学电子信息与电气工程学部计算机科学与技术学院,辽宁大连116024 [2]大连理工大学创新实验学院,辽宁大连116024

出　　处：《计算机研究与发展》

基　　金：国家自然科学基金项目(61173163;51105052;61370200)

年　　份：2015

卷　　号：52

期　　号：7

起止页码：1487-1498

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA-PROQEUST、CSCD、CSCD2015_2016、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：动态数据存在数据量动态改变,数据类别分布非平衡、不稳定等问题,这些问题成为分类的难点.针对该问题,通过对在线极端学习机模型进行拓展,提出鲁棒的权值在线极端学习机算法.为解决动态数据非平衡性,该算法借助代价敏感学习理论生成局部动态权值矩阵,从而优化分类模型产生的经验风险.同时,算法进一步考虑动态数据由于时序性质改变造成的数据分布变化,而引入遗忘因子增强分类器对数据分布变更的敏感性.算法在不同数据分布的24个非平衡动态数据集上测试,取得了较好的效果.

关 键 词：非平衡数据集 极端学习机 在线极端学习机  代价敏感学习 遗忘因子

分 类 号：TP181]