文献类型：期刊文章

作　　者：毛文涛[1,2] 田杨阳[1] 王金婉[1] 何玲[1]

机构地区：[1]河南师范大学计算机与信息工程学院,河南新乡453007 [2]河南师范大学河南省高校计算智能与数据挖掘工程技术研究中心,河南新乡453007

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(U1204609);中国博士后科学基金项目(2014M550508);河南省高校科技创新人才计划项目(15HASTIT022);河南师范大学优秀青年基金项目(14YQ007);河南省高校青年骨干教师计划项目(2014GGJS-046)

年　　份：2016

卷　　号：31

期　　号：12

起止页码：2147-2154

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20165103149959)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有算法对贯序到达的密度型不均衡数据分类效果不佳的缺陷,提出一种基于粒度划分的在线贯序极限学习机算法.离线阶段,根据数据分布特性对多类样本进行粒度划分,用粒心代替原有样本,建立初始模型;在线阶段,根据更新后的分布特性对多类边界数据进行二次粒度划分,替换原有边界数据,并动态更新网络权值.理论分析证明该算法存在信息损失上界.实验结果表明,该算法能有效提高贯序不均衡数据上的整体泛化性能和分类效率.

关 键 词：极限学习机 粒度划分 贯序不均衡数据  欠取样  

分 类 号：TP181]