计算机工程与科学

作者：董宏成, 文志云, 万玉辉, 晏飞扬,

单位：（1.重庆邮电大学通信与信息工程学院，重庆 400065；2.重庆邮电大学通信新技术应用研究中心，重庆 400065；3.重庆信科设计有限公司，重庆 401121）

关键词：极限学习机,不平衡数据分类,DPC聚类,重采样,

采样技术与ELM分类算法进行结合可提高少数类样本的分类精度，但现有的大多数结合ELM的采样方法并未考虑到样本的不平衡程度及样本内部的分布情况，采样技术过于单一，导致分类模型的效率低下，少数类样本的识别率不高。针对此问题，提出了一种基于DPC聚类的重采样技术结合ELM的不平衡数据分类算法，首先根据数据集的不平衡程度分2种情况构建一个混合采样模型来平衡数据集；然后在此模型上运用DPC聚类算法分别对多数类样本和少数类样本进行分析处理，解决数据中存在的类内不平衡和噪声问题，使得2类样本相对均衡；最后使用ELM分类算法对得到的数据集进行分类。实验结果表明，与同类型分类算法进行比较，所提算法的2个分类性能指标在实验数据集上都有明显提升。

来源：2021年第10期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第10期