基于多类重采样的非平衡数据极速学习机集成学习

作者：邢胜 王熙照 王晓兰极速学习机非均衡数据重采样集成学习

摘要：极速学习机（Extreme learning machine,ELM）虽然已在理论和应用中证实有很好的泛化性能和极快的训练速度,但是在处理非均衡数据时,它更偏向多数类且极容易忽略少数类,基于数据重采样的集成学习可以帮助ELM解决少数类分类精度低的问题.提出一种按类别重采样技术并据此发展了一种ELM集成学习方法.该方法可充分利用少数类样本的信息,实验结果显示该方法性能明显优于单一的ELM学习模型.由于重采样是大数据处理的最核心的技术之一,该方法对非均衡大数据的学习模型建立有着一般性的指导意义.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社