文件名称：不平衡数据分类的混合算法 (2011年)
文件大小：468KB
文件格式：PDF
更新时间：2024-07-05 19:24:33
工程技术 论文
针对传统分类算法处理不平衡数据时，小类的分类精度过低问题，提出一种径向基函数神经网络和随机森林集成的混合分类算法．在小类样本之间用随机插值方式平衡数据集的分布，利用受试者特征曲线在置信度为95％下的面积为标准去除冗余特征；之后对输入数据用Bagging技术进行扰动，并以径向基函数神经网络作为随机森林中的基分类器，采用绝大多数投票方法进行决策的融合和输出．将该算法应用于UCI数据，以G均值和受试者特征曲线下的面积为评判标准，结果表明该方法能够有效地提高中度和高度不平衡数据的分类精度．