面向贯序不均衡分类的粒度极限学习机

毛文涛^1,2，田杨阳¹，王金婉¹，何玲¹

1. 河南师范大学计算机与信息工程学院2. 河南师范大学河南省高校计算智能与数据挖掘工程技术研究中心

摘 要：针对现有算法对贯序到达的密度型不均衡数据分类效果不佳的缺陷,提出一种基于粒度划分的在线贯序极限学习机算法.离线阶段,根据数据分布特性对多类样本进行粒度划分,用粒心代替原有样本,建立初始模型;在线阶段,根据更新后的分布特性对多类边界数据进行二次粒度划分,替换原有边界数据,并动态更新网络权值.理论分析证明该算法存在信息损失上界.实验结果表明,该算法能有效提高贯序不均衡数据上的整体泛化性能和分类效率.

关键词：极限学习机;粒度划分;贯序不均衡数据;欠取样;