基于改进bp神经网络的非均衡数据分类算法论文.pdfVIP

2016 年 第 26 卷 第 6 期 计 算 机 系 统 应 用 ① 基于改进BP 神经网络的非均衡数据分类算法 张文东, 吕扇扇, 张兴森 ( 中国石油大学(华东) 计算机与通信工程学院, 青岛 266580) 摘 要: 传统的分类算法大都默认所有类别的分类代价一致, 导致样本数据非均衡时产生分类性能急剧下降的 问题. 对于非均衡数据分类问题, 结合神经网络与降噪自编码器, 提出一种改进的神经网络实现非均衡数据分类 算法, 在神经网络模型输入层与隐层之间加入一层特征受损层, 致使部分冗余特征值丢失, 降低数据集的不平衡 度, 训练模型得到最优参数后进行特征分类得到结果. 选取 UCI 标准数据集的 3 组非均衡数据集进行实验, 结果 表明采用该算法对小数据集的分类精度有明显改善,