《计算机应用研究》|Application Research of Computers

改进的不平衡贝叶斯学习分类模型研究

Improved unbalanced classification model based on Bayesian learning

免费全文下载 (已被下载 次)  
获取PDF全文
作者 韩忠明,刘聃,段大高,杨伟杰,张珣
机构 北京工商大学 计算机与信息工程学院;食品安全大数据技术北京市重点实验室
统计 摘要被查看 次,已被下载
摘要 不平衡分类是数据挖掘中的一个具有挑战性的问题,尤其是少数类样本较少的不平衡多分类任务。基于函数逼近的方法存在少数类样本不足时分类效果不佳的问题,针对此问题提出了不平衡贝叶斯学习分类模型。模型引入类间隔似然函数,用于降低后验分布在参数空间上存在的偏态性,以采样到对各类样本分类精确的参数点。在UCI、KEEL上的公开不平衡数据集中的实验结果表明了所提方法的有效性。基于MINIST数据集构建了两个不平衡数据集,在这两个数据集中几何均值分别达到92.4%和81.6%。
关键词 不平衡分类;数据挖掘;贝叶斯学习
基金项目 北京市自然科学基金资助项目(4172016)、北京市教委科技计划一般项目(KM201710011006)、北京市科技计划课题(Z161100001616004)
本文URL http://www.arocmag.com/article/02-2020-12-009.html
收稿日期
修回日期
页码 -
中图分类号 TP
文献标志码