-
题名基于包络学习和分级结构一致性机制的不平衡集成算法
被引量：2
- 1
-
-
作者
李帆
张小恒
李勇明
王品
-
机构
重庆大学微电子与通信工程学院
重庆广播电视大学
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第3期751-761,共11页
-
基金
国家自然科学基金(No.61771080,No.U21A20448)
中央高校基本科研业务费(No.2022CDJJJ-003)。
-
文摘
集成方法是不平衡学习方法的重要分支,然而,现有不平衡集成方法均作用于原样本而没考虑样本的结构信息,因此其效能仍然有限.样本的结构信息包括局部和全局结构信息.为了解决上述问题,本文提出了一种基于深度样本包络网络(Deep Instance Envelope Network,DIEN)和分级结构一致性机制(Hierarchical Structure Consistency Mechanism,HSCM)的不平衡集成学习算法.该算法在考虑局部流形和全局结构信息的情况下,通过多层样本聚类,生成高质量的多层包络样本,从而实现类平衡化.首先,算法基于样本近邻拼接和模糊C均值聚类算法,设计DIEN来挖掘样本的结构信息,得到深度包络样本.然后,设计局部流形结构度量和全局结构分布度量来构建HSCM用于增强层间样本的分布一致性.接着,将DIEN和HSCM结合起来,构建出优化后的深度样本包络网络——DH(DIEN with HSCM).之后,将基分类器应用于包络样本.最后,设计bagging集成学习机制来融合基分类器的预测结果.文末组织了多组实验,采用了十多个公共数据集和有代表性的相关算法进行验证比较.实验结果表明,本文算法在AUC(Area Under Curve),F-measure等四个性能指标上显著最优.
-
关键词
不平衡学习
包络学习
分级结构一致性机制
局部流形结构度量
全局结构分布度量
-
Keywords
imbalanced learning
envelope learning
hierarchical structure consistency mechanism
local manifold structure measure
global structure distribution measure
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
