点击次数：

论文类型：期刊论文

发表时间：2015-07-15

发表刊物：计算机研究与发展

收录刊物：EI、PKU、ISTIC、CSCD、Scopus

卷号：52

期号：7

页面范围：1487-1498

ISSN号：1000-1239

关键字：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

摘要：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。