计算机应用

作者：张宗堂, 陈喆, 戴卫国

单位：海军潜艇学院 航海观通系, 山东 青岛 266000

关键词：不平衡数据,间隔理论,过采样方法,集成分类器,机器学习

针对传统集成算法不适用于不平衡数据分类的问题，提出基于间隔理论的AdaBoost算法（MOSBoost）。首先通过预训练得到原始样本的间隔；然后依据间隔排序对少类样本进行启发式复制，从而形成新的平衡样本集；最后将平衡样本集输入AdaBoost算法进行训练以得到最终集成分类器。在UCI数据集上进行测试实验，利用F-measure和G-mean两个准则对MOSBoost、AdaBoost、随机过采样AdaBoost（ROSBoost）和随机降采样AdaBoost（RDSBoost）四种算法进行评价。实验结果表明，MOSBoost算法分类性能优于其他三种算法，其中，相对于AdaBoost算法，MOSBoost算法在F-measure和G-mean准则下分别提升了8.4%和6.2%。

来源：2019年第5期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第5期