首页|一种随机平均分布的集成学习方法

一种随机平均分布的集成学习方法

AN ENSEMBLE LEARNING METHOD WITH RANDOM EVENLY DISTRIBUTION

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
像传统机器学习一样,样本的不平衡分布会影响深度学习分类器的预测能力,在语音情感识别环境下,情感数据的不平衡分布是一种常态.基于卷积循环神经网络和注意力模型,提出一种随机平均分布的集成学习方法(Redagging),用来消除样本的不平衡分布.Redagging按照机会均等原则,等概率地把训练样例随机放入子训练样本,通过降低样例重复率提升基分类器的性能,进而增强综合分类器的预测能力.在IEMOCAP和EMODB情感数据库的实验表明,从未加权平均召回率和F1值两个方面,Redagging都优于Bagging和其他不平衡学习方法,验证了其有效性.

艾旭升、盛胜利、李春华

展开 >

苏州工业职业技术学院软件与服务外包学院 江苏 苏州215104

苏州科技大学电子与信息工程学院 江苏 苏州215009

不平衡学习 循环神经网络 卷积神经网络 语音情感识别

国家自然科学基金

61728205

2022

10.3969/j.issn.1000-386x.2022.02.030

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(2)
  • 1