耦合样本先验分布信息的加权极限学习机

作者：席晓燕; 于化龙

来源：计算机与现代化, 2018, (08): 61-65.

• 类不平衡
• 极限学习机
• 代价敏感学习
• 样本先验信息

极限学习机广泛用于分类、聚类、回归等任务中,但在处理类不平衡分类问题时,前人未充分考虑样本先验分布信息对分类性能的影响。针对此问题,本文提出耦合样本先验分布信息的加权极限学习机(Coupling sample Prior distribution Weighted Extreme Learning Machine,CPWELM)算法。该算法基于加权极限学习机,充分探讨不同分布样本点的重要程度,以此构造代价矩阵,进而提升分类器性能。本文通过12个不平衡数据集,对CPWELM算法的可行性及有效性进行了验证。结果表明,相比同类其他算法,CPWELM算法的性能更优。

• 单位
  江苏科技大学