基于非平衡问题的卷积神经网络分类模型

作者：矫桂娥; 徐红; 张文俊; 陈一民

来源：计算机应用与软件, 2023, 40(06): 96-102+111.

• 非平衡
• 高斯混合模型
• 采样
• 损失加权
• 分类模型

由于数据分布的不平衡，传统的分类模型常常会受多数类的影响而降低分类准确率。因此为提升对非平衡数据的分类性能，提出新的卷积神经网络分类模型CNN-EMWRA-WCELF,其中EMWRA(Expectation Maximization Weighted Resampling Algorithm)是对EM算法的优化。融合高斯混合模型与采样算法，对初始数据集进行精确采样，以此降低训练数据集的非平衡度。另外，所提的WCELF(Weighted Cross Entropy Loss Function)函数，可根据样本权重对少数类和多数类赋予不同的代价损失。最后，以F1和G-mean为评价指标，将CNN-EMWRA-WCELF模型在竞赛数据集上与其他分类模型相比较，结果均为第一，表明其能够很好地提高少数类分类的正确率。

• 单位
  上海海洋大学; 上海大学; 上海建桥学院