极限学习机处理不平衡数据分类的算法

资料大小: 0.74 MB

所需积分: 0

下载次数:

用户评论: 0条评论,查看

上传日期: 2021-06-03

上 传 者: 他上传的所有资料

资料介绍

标签:极限学习机(11)数据(3499)神经网络(3238)

  基于代价敏感学习的极限学习机(ELM)算法在处理不平衡数据分类问题时,未考虑不同类别样本的分布特点以及同一类别中各样本的重要性对分类结果的影响。为此,提出基于样本数量比例的错分惩罚因子设置方法,并基于Mini- batch k- means聚类与距离测度设计一种类内样本权值确定方案。在此基础上,构建区分正、负类别的隐含层输出矩阵,根据训练样本数与ELM隐含层节点数间的关系,分2种情况计算ELM隐含层与输出层间的连接权值,以降低算法的时间复杂度。实验结果表明,与 ELM WELM等算法相比,该算法的G-men、F1分类性能指标值均较高。

用户评论

查看全部 条评论

发表评论请先 , 还没有账号?免费注册

发表评论

用户评论
技术交流、我要发言! 发表评论可获取积分! 请遵守相关规定。
上传电子资料