面向不平衡分布數(shù)據(jù)的主動極限學習機算法研究.pdf

1、近年來，隨著數(shù)據(jù)獲取與數(shù)據(jù)存儲技術的高速發(fā)展，各行各業(yè)均積累了海量的數(shù)據(jù)，如何對這些海量數(shù)據(jù)進行分析成為了困擾機器學習與數(shù)據(jù)挖掘領域研究者的核心問題。例如，對這海量數(shù)據(jù)的類別進行標注，進而建立分類模型，無疑會大幅增加人力、物力與時間成本的開銷，而主動學習則是可有效解決上述問題的利器。經過多年研究，研究人員已提出了多種有效的主動學習算法，但其均忽略了一個重要問題，即在樣本不平衡分布場景下，這些算法是否會仍舊有效。故本文主要研究在類別不平衡

2、數(shù)據(jù)中如何保持主動學習的效率與性能。
　　針對上述問題，本文主要圍繞在不平衡數(shù)據(jù)分布中，如何改進主動學習算法使其分類性能達到最優(yōu)這一問題展開研究，主要研究內容包括以下兩個方面：
　　1)針對在不平衡分布數(shù)據(jù)中執(zhí)行主動學習，其分類面容易形成偏倚，從而導致主動學習失效這一問題，擬采用采樣技術作為學習過程的平衡控制策略，在調查了幾種已有的采樣算法的基礎上，提出了一種邊界過采樣算法，并將其與主動學習相結合。且由于極限學習機具有泛化能

3、力強、訓練速度快等優(yōu)點，擬采用其作為基分類器，來加速主動學習的進程。并通過12個基準數(shù)據(jù)集對加入了平衡控制策略的主動學習算法的性能進行了驗證。結果表明，在不平衡場景下，主動學習方法確實會受到影響，且采取了樣本采樣技術的主動學習方法性能更優(yōu)。
　　2)為了實現(xiàn)更快的訓練速度，引入了在線學習，進而提出了一種在線加權極限學習機算法，即OS-W-ELM算法。同時擬采用代價敏感學習技術作為學習過程中的平衡控制策略，并與主動學習相結合。此實驗