文献类型：期刊文章

作　　者：郭华平[1] 董亚东[2] 毛海涛[1] 邬长安[1] 范明[2]

机构地区：[1]信阳师范学院计算机与信息技术学院,河南信阳464000 [2]郑州大学信息工程学院,郑州450052

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金(61202194;61402393;61572417)资助;河南省教育厅科学技术研究项目(14A520016;14B520045;12A520035)资助

年　　份：2016

卷　　号：37

期　　号：1

起止页码：140-145

语　　种：中文

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

摘　　要：基于逻辑判别式(LD,Logistic Discrimination),提出一种叫做LDRC(LD based Rare-class Classification)方法用于提升LD在稀有类问题中的泛化性能.为了充分考虑稀有类的特性,构建了一种新目标函数RPM(Recall and Precision based M etric),其同时考虑正类和负类的召回率以及正类的精度,其中正类和负类的召回率用于保障模型在评估指标召回率以及g-mean(正类和分类的召回率的几何平均数)上具有较高的泛化能力,正类的召回率和精度用于保障了模型具有较高的准确率以及fmeasure值(基于正类召回率与精度的指标).LDRC使用RPM作为目标函数监督参数学习过程,以保障LDRC具有较高的整体泛化能力.UCI数据集上的实验结果表明,与传统的逻辑判别、基于过采样和基于欠采样的逻辑判别相比,LDRC模型在评价指标召回率、g-mean和f-measure上都表现出明显优势.

关 键 词：稀有类 逻辑判别  召回率 精度  分类  

分 类 号：TP18]