面向不平衡分布數(shù)據(jù)的主動(dòng)極限學(xué)習(xí)機(jī)算法研究.pdf

1、近年來，隨著數(shù)據(jù)獲取與數(shù)據(jù)存儲(chǔ)技術(shù)的高速發(fā)展，各行各業(yè)均積累了海量的數(shù)據(jù)，如何對(duì)這些海量數(shù)據(jù)進(jìn)行分析成為了困擾機(jī)器學(xué)習(xí)與數(shù)據(jù)挖掘領(lǐng)域研究者的核心問題。例如，對(duì)這海量數(shù)據(jù)的類別進(jìn)行標(biāo)注，進(jìn)而建立分類模型，無疑會(huì)大幅增加人力、物力與時(shí)間成本的開銷，而主動(dòng)學(xué)習(xí)則是可有效解決上述問題的利器。經(jīng)過多年研究，研究人員已提出了多種有效的主動(dòng)學(xué)習(xí)算法，但其均忽略了一個(gè)重要問題，即在樣本不平衡分布場(chǎng)景下，這些算法是否會(huì)仍舊有效。故本文主要研究在類別不平衡

2、數(shù)據(jù)中如何保持主動(dòng)學(xué)習(xí)的效率與性能。
　　針對(duì)上述問題，本文主要圍繞在不平衡數(shù)據(jù)分布中，如何改進(jìn)主動(dòng)學(xué)習(xí)算法使其分類性能達(dá)到最優(yōu)這一問題展開研究，主要研究?jī)?nèi)容包括以下兩個(gè)方面：
　　1)針對(duì)在不平衡分布數(shù)據(jù)中執(zhí)行主動(dòng)學(xué)習(xí)，其分類面容易形成偏倚，從而導(dǎo)致主動(dòng)學(xué)習(xí)失效這一問題，擬采用采樣技術(shù)作為學(xué)習(xí)過程的平衡控制策略，在調(diào)查了幾種已有的采樣算法的基礎(chǔ)上，提出了一種邊界過采樣算法，并將其與主動(dòng)學(xué)習(xí)相結(jié)合。且由于極限學(xué)習(xí)機(jī)具有泛化能

3、力強(qiáng)、訓(xùn)練速度快等優(yōu)點(diǎn)，擬采用其作為基分類器，來加速主動(dòng)學(xué)習(xí)的進(jìn)程。并通過12個(gè)基準(zhǔn)數(shù)據(jù)集對(duì)加入了平衡控制策略的主動(dòng)學(xué)習(xí)算法的性能進(jìn)行了驗(yàn)證。結(jié)果表明，在不平衡場(chǎng)景下，主動(dòng)學(xué)習(xí)方法確實(shí)會(huì)受到影響，且采取了樣本采樣技術(shù)的主動(dòng)學(xué)習(xí)方法性能更優(yōu)。
　　2)為了實(shí)現(xiàn)更快的訓(xùn)練速度，引入了在線學(xué)習(xí)，進(jìn)而提出了一種在線加權(quán)極限學(xué)習(xí)機(jī)算法，即OS-W-ELM算法。同時(shí)擬采用代價(jià)敏感學(xué)習(xí)技術(shù)作為學(xué)習(xí)過程中的平衡控制策略，并與主動(dòng)學(xué)習(xí)相結(jié)合。此實(shí)驗(yàn)