资料下载
×
极限学习机处理不平衡数据分类的算法
消耗积分:0 |
格式:pdf |
大小:0.74 MB |
2021-06-03
分享资料个
基于代价敏感学习的极限学习机（ELM）算法在处理不平衡数据分类问题时，未考虑不同类别样本的分布特点以及同一类别中各样本的重要性对分类结果的影响。为此，提出基于样本数量比例的错分惩罚因子设置方法，并基于Mini- batch k- means聚类与距离测度设计一种类内样本权值确定方案。在此基础上，构建区分正、负类别的隐含层输出矩阵，根据训练样本数与ELM隐含层节点数间的关系，分2种情况计算ELM隐含层与输出层间的连接权值，以降低算法的时间复杂度。实验结果表明，与 ELM WELM等算法相比，该算法的G-men、F1分类性能指标值均较高。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
