Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2015-07-15

Journal: 计算机研究与发展

Included Journals: Scopus、CSCD、ISTIC、PKU、EI

Volume: 52

Issue: 7

Page Number: 1487-1498

ISSN: 1000-1239

Key Words: 非平衡数据集;极端学习机;在线极端学习机;代价敏感学习;遗忘因子

Abstract: 动态数据存在数据量动态改变，数据类别分布非平衡、不稳定等问题，这些问题成为分类的难点。针对该问题，通过对在线极端学习机模型进行拓展，提出鲁棒的权值在线极端学习机算法。为解决动态数据非平衡性，该算法借助代价敏感学习理论生成局部动态权值矩阵，从而优化分类模型产生的经验风险。同时，算法进一步考虑动态数据由于时序性质改变造成的数据分布变化，而引入遗忘因子增强分类器对数据分布变更的敏感性。算法在不同数据分布的24个非平衡动态数据集上测试，取得了较好的效果。