首页|一种改进的ELM-SAMME算法及应用研究

一种改进的ELM-SAMME算法及应用研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对SAMME算法对于不平衡数据集的分类效果不理想,对不同数据集的适应能力弱的缺陷,将其和极限学习机(ELM)结合并进行有针对性的改进,根据样本分布对训练样本的初始化权值进行重新分配,对训练过程中样本的权值和弱分类器的权值更新策略进行改进,给予弱分类器一个与其对少数类样本识别能力成正比的奖励项,增强了所得分类器对难分类样本的敏感性,使最终集成分类器性能有了显著提升.经过该集成算法与组成该算法的子算法的对比实验,论文方法取得了更优的G-mean以及F1值,验证了论文算法的有效性.其次,论文算法和其他分类算法的对比实验结果表明论文算法在大多数数据集上同样可以取得更高的G-mean以及F1值,实现更优的分类效果.
An Improved ELM-SAMME Algorithm and Application Research

李克文、丁胜夺、段鸿杰

展开 >

中国石油大学(华东)计算机与通信工程学院 青岛 266580

中国石化胜利油田分公司信息中心 东营 257000

提升算法 SAMME 极限学习机(ELM) AdaBoost

2021

10.3969/j.issn.1672-9722.2021.06.005

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2021.49(6)
  • 1
  • 6