科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的分类算法对不平衡数据分类的少数类数据分类准确率低的问题,本文基于模糊c均值聚类和SMOTE过采样技术,提出了改进的无监督极限学习机(FCM-US-ELM)。提出的方法通过模糊c均值聚类,将无标签的训练集正负类数据分为不同的簇,更新聚类中心和计算隶属度,然后按照规定的采样率在正类数据集上进行SMOTE过采样,使得训练集正、负类数据的个数趋于平衡,用新形成的训练集放入无监督极限学习机中训练。对比分析实验结果,提出的方法能够有效地减少数据的不平衡分布对正类数据分类正确率的干扰,得到更好的分类效果。在UCI数据集的分类实验中,新方法能够很好地处理数据的不平衡分类,达到了预期的效果。
- 单位
