点击次数：

论文类型：期刊论文

发表时间：2011-01-01

发表刊物：控制理论与应用

收录刊物：Scopus、EI、PKU、ISTIC、CSCD

卷号：28

期号：10

页面范围：1485-1489

ISSN号：1000-8152

关键字：不平衡数据; 随机森林; 径向基函数神经网络; 受试者特征曲线

摘要：针对传统分类算法处理不平衡数据时,小类的分类精度过低问题,提出一种径向基函数神经网络和随机森林集成的混合分类算法.在小类样本之间用随机插值方式平
   衡数据集的分布,利用受试者特征曲线在置信度为95%下的面积为标准去除冗余特征;之后对输入数据用Bagging技术进行扰动,并以径向基函数神经网络
   作为随机森林中的基分类器,采用绝大多数投票方法进行决策的融合和输出.将该算法应用于UCI数据,以G均值和受试者特征曲线下的面积为评判标准,结果表
   明该方法能够有效地提高中度和高度不平衡数据的分类精度。