一种针对不平衡数据分类的集成学习算法

张宗堂¹(),王森²,孙世林¹

1. 海军潜艇学院航海观通系, 山东 青岛 266000
2. 91154部队, 海南 三亚 572000

收稿日期:2019-01-30出版日期:2019-08-20发布日期:2019-08-06

作者简介:张宗堂(1989—)，男，山东青岛人，博士，主要研究方向为水声目标识别.E-mail:robin_zh@126.com

An ensemble learning algorithm for unbalanced data classification

Zongtang ZHANG¹(),Sen WANG²,Shilin SUN¹

1. Navigation and Observation Department, Navy Submarine Academy, Qingdao 266000, Shandong, China
2. 91154 force, Sanya 572000, Hainan, China

Received:2019-01-30Online:2019-08-20Published:2019-08-06

摘要/Abstract

摘要： 针对水声目标识别中常被忽略的数据不平衡问题,提出一种随机子空间AdaBoost算法(RSBoost)。通过随机子空间法在不同水声特征空间上提取子训练样本集,在各个子训练样本集上训练基分类器,将其中少类间隔均值最大的基分类器作为本轮选定的分类器,迭代形成最终集成分类器。在实测数据上进行试验,利用F-measure和G-mean两个准则对RSBoost算法和AdaBoost算法在不同特征集上的性能进行评价。试验结果表明:相对于AdaBoost算法, RSBoost算法在F-measure准则下的平均值由0.07提升到0.22,在G-mean准则下的平均值由0.18提升到0.25,说明在处理水声数据不平衡分类问题上, RSBoost算法优于AdaBoost算法。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1838