东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

基于协同进化机制的欠采样方法

ISSN号：1001-053X
期刊名称：Beijing Keji Daxue Xuebao/Journal of University of
时间：0
页码：1550-1557
语言：英文
分类：TP181[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
作者机构：[1]聊城大学计算机学院,聊城252059, [2]北京科技大学计算机与通信工程学院,北京100083, [3]中国科学院计算技术研究所,北京100190
相关基金：国家高技术研究发展计划重大专项（2009AA01403）; 国家自然科学基金资助项目（61003260;60875029;61070101）
相关项目：认知模型驱动的海量中医医案知识获取技术研究

关键词：非平衡数据集, 分类, 采样, 协同进化, 自适应算法, imbalanced datasets, classification, sampling, cooperative co-evolution, adaptive algorithms

中文摘要：

针对非平衡数据集分类中＂少数类样本精度难以提高＂这一瓶颈问题,提出了一种基于协同进化机制的欠采样方法.此方法将少数类样本与多数类样本划分为两类种群,采用种群协同进化原理,利用提出的动态交叉变异算子自适应协同进化过程,实现种群间自动调节和自动适应.仿真试验结果表明,此采样方法增强了局部随机搜索能力,改善了种群的分布特性,加强了算法的全局收敛能力,在不降低多数类样本分类性能的基础上有效提高了少数类样本的精度.与其他经典重采样方法相比,本文办法抗噪能力好,具有更强的鲁棒性.

英文摘要：

For the bottleneck of improving the accuracy of minority class samples within the paradigm of imbalanced datasets,a novel under-sampling method based on the cooperative co-evolutionary mechanism was presented in this paper.During the employment of the method,the majority and the minority samples were divided into two populations,which adopted the cooperative co-evolutionary mechanism,dynamically adaptive crossovers and mutation operators to automatically adjust the evolution process within populations.Simulation results prove that the method enhances the capacity of local search,improves the distribution characteristics of populations and strengthens the capacity of global convergence.Moreover,the method notably improves the accuracy of the minority samples without degrading that of the majority ones.Compared to other classical resampling methods,the method shows good noise immunity with more powerful robustness.

同期刊论文项目