文献类型：期刊文章

作　　者：邢胜[1,2] 王熙照[3] 王晓兰[4]

机构地区：[1]河北大学管理学院,保定071002 [2]沧州师范学院计算机系,沧州061001 [3]河北大学数学与信息科学学院,保定071002 [4]沧州职业技术学院信息工程系,沧州061001

出　　处：《南京大学学报（自然科学版）》

基　　金：国家自然科学基金(61170040;71371063)

年　　份：2016

卷　　号：52

期　　号：1

起止页码：203-211

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSCD、CSCD2015_2016、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：极速学习机(Extreme learning machine,ELM)虽然已在理论和应用中证实有很好的泛化性能和极快的训练速度,但是在处理非均衡数据时,它更偏向多数类且极容易忽略少数类,基于数据重采样的集成学习可以帮助ELM解决少数类分类精度低的问题.提出一种按类别重采样技术并据此发展了一种ELM集成学习方法.该方法可充分利用少数类样本的信息,实验结果显示该方法性能明显优于单一的ELM学习模型.由于重采样是大数据处理的最核心的技术之一,该方法对非均衡大数据的学习模型建立有着一般性的指导意义.

关 键 词：极速学习机 非均衡数据 重采样 集成学习  

分 类 号：TP181]