一种改进的ELM-SAMME算法及应用研究
李克文1
丁胜夺1
段鸿杰2
1.中国石油大学(华东)计算机与通信工程学院 青岛 2665802.中国石化胜利油田分公司信息中心 东营 257000
摘要：针对SAMME算法对于不平衡数据集的分类效果不理想,对不同数据集的适应能力弱的缺陷,将其和极限学习机(ELM)结合并进行有针对性的改进,根据样本分布对训练样本的初始化权值进行重新分配,对训练过程中样本的权值和弱分类器的权值更新策略进行改进,给予弱分类器一个与其对少数类样本识别能力成正比的奖励项,增强了所得分类器对难分类样本的敏感性,使最终集成分类器性能有了显著提升.经过该集成算法与组成该算法的子算法的对比实验,论文方法取得了更优的G-mean以及F1值,验证了论文算法的有效性.其次,论文算法和其他分类算法的对比实验结果表明论文算法在大多数数据集上同样可以取得更高的G-mean以及F1值,实现更优的分类效果.
关键词：提升算法SAMME极限学习机(ELM)AdaBoost
分类号：TP181(自动化基础理论)
论文发表日期：2021-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 1058-1062,1076 )
英文信息