基于鑒別分析的類不平衡學(xué)習(xí).pdf

1、在模式識別領(lǐng)域的實(shí)際應(yīng)用中，常常會出現(xiàn)某一類的樣本數(shù)量遠(yuǎn)遠(yuǎn)少于其它類樣本數(shù)量的現(xiàn)象，主要原因有兩種：一種是原始數(shù)據(jù)自身分布呈現(xiàn)不平衡特性，另一種是某些特征提取算法為優(yōu)化性能而產(chǎn)生的數(shù)據(jù)不平衡現(xiàn)象。特定類思想屬于第二種，該思想為了充分考慮每個類的特殊信息，輪流將每個類的樣本作為特定類，相應(yīng)剩余所有的類則構(gòu)成了大類做鑒別分析，由此產(chǎn)生了類不平衡問題。由于傳統(tǒng)的Fisher鑒別分析（FDA）是基于兩類的樣本服從正態(tài)分布的假設(shè)的，因此難以在數(shù)據(jù)

2、不平衡時獲得很好的鑒別效果，為了解決這個問題，本文提出了三種新的方法從不平衡數(shù)據(jù)集中獲取有效的鑒別特征。
　　本文首先提出了一種平衡類鑒別分析（CBD）方法。對于每個特定類，我們從其對應(yīng)的大類中選取它的部分近鄰樣本構(gòu)成特定類的近鄰樣本集，接著將這個近鄰樣本集劃分成與特定類相同樣本數(shù)的多個子集，來獲取平衡，再將劃分好的平衡類與特定類結(jié)合成為新樣本集，最后用FDA方法得到鑒別向量。為了去除鑒別向量的冗余信息，我們給從相關(guān)性大的新樣本集

3、中獲取的鑒別向量加上了正交約束，即正交平衡類鑒別分析（OCBD），為了去除鑒別特征中的一些冗余信息，我們進(jìn)一步提出了不相關(guān)類不平衡鑒別分析（UCBD）。
　　接著，本文提出了一種基于主動學(xué)習(xí)的平衡類鑒別分析（ALCBD）方法。在構(gòu)造特定類的平衡類時，我們設(shè)計了兩種主動學(xué)習(xí)策略，首先采用隨機(jī)劃分的方法將近鄰樣本集劃分成若干個與特定類大小相同的子集，考察每個子集與特定類形成的新的樣本集的總體散度，或者考察每個子集與特定類形成的新的樣本

4、集的可分性，選取出信息量最大的樣本集與特定類結(jié)合后，最后用FDA方法得到鑒別向量。
　　最后，為了能夠解決非線性可分的數(shù)據(jù)的類不平衡問題，我們提出了核平衡類鑒別（KCBD）。當(dāng)原始數(shù)據(jù)呈現(xiàn)非線性分布時，上面的線性方法很難尋找到有效的分界面，本文通過將其轉(zhuǎn)換到一個高維空間中，使在輸入空間線性不可分的數(shù)據(jù)在該空間中變得線性可分。在核空間對特定類求取近鄰樣本集，構(gòu)成若干平衡類，再將這些平衡類分別與特定類結(jié)合成為新樣本集，做鑒別分析得到鑒