面向不平衡分布數(shù)據(jù)的主動極限學(xué)習(xí)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(shù)的高速發(fā)展，各行各業(yè)均積累了海量的數(shù)據(jù)，如何對這些海量數(shù)據(jù)進行分析成為了困擾機器學(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(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學(xué)習(xí)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(xué)習(xí)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(xué)習(xí)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(nèi)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(xué)習(xí)，其分類面容易形成偏倚，從而導(dǎo)致主動學(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，并將其與主動學(xué)習(xí)相結(jié)合。且由于極限學(xué)習(xí)機具有泛化能

3、力強、訓(xùn)練速度快等優(yōu)點，擬采用其作為基分類器，來加速主動學(xué)習(xí)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(xué)習(xí)算法的性能進行了驗證。結(jié)果表明，在不平衡場景下，主動學(xué)習(xí)方法確實會受到影響，且采取了樣本采樣技術(shù)的主動學(xué)習(xí)方法性能更優(yōu)。
　　2)為了實現(xiàn)更快的訓(xùn)練速度，引入了在線學(xué)習(xí)，進而提出了一種在線加權(quán)極限學(xué)習(xí)機算法，即OS-W-ELM算法。同時擬采用代價敏感學(xué)習(xí)技術(shù)作為學(xué)習(xí)過程中的平衡控制策略，并與主動學(xué)習(xí)相結(jié)合。此實驗