面向类别不平衡数据的主动在线加权极限学习机算法

发布时间：2018-06-23 22:27

本文选题：主动学习 + 类别不平衡学习　；参考：《计算机科学》2017年12期

【摘要】：针对在样本类别分布不平衡场景下,现有的主动学习算法普遍失效及训练时间过长等问题,提出采用建模速度更快的极限学习机,即ELM(Extreme Learning Machine)作为主动学习的基分类器,并以加权ELM算法用于主动学习过程的平衡控制,进而在理论上推导了其在线学习的过程,大幅降低了主动学习的时间开销,并将最终的混合算法命名为AOW-ELM算法。通过12个基准的二类不平衡数据集验证了该算法的有效性与可行性。
[Abstract]:In order to solve the problems of general failure of active learning algorithms and long training time in the scenario of unbalanced distribution of sample categories, ELM (extreme Learning Machine) is proposed as the basis classifier for active learning. The weighted ELM algorithm is used to control the balance of active learning process, and the online learning process is deduced theoretically, which greatly reduces the time cost of active learning, and the final hybrid algorithm is named AOW-ELM algorithm. The validity and feasibility of the algorithm are verified by 12 datum unbalance data sets.
【作者单位】：江苏科技大学计算机科学与工程学院;
【基金】：国家自然科学基金(61305058) 江苏省自然科学基金(BK20130471) 中国博士后特别资助计划项目(2015T80481) 中国博士后科学基金(2013M540404) 江苏省博士后基金(1401037B)资助
【分类号】：TP181

【相似文献】