非平衡样本分类的集成迁移学习算法 integrated transfer learning algorithmic for unbalanced samples classification.pdfVIP

第7期 电 子 学 报 V01．40No．7 2012年7月 ACIAELECrRONICASIN／CA Jul．2012 非平衡样本分类的集成迁移学习算法 于重重1，一，田蕊1，谭励1，涂序彦2 (1．北京工商大学计算机与信息工程学院，北京10(D48；2．北京科技大学信息计算机与通信工程学院，北京100嘴9) 摘要： 针对冗余数据量大且正负样本不平衡的辅助训练数据，提出了一种改进集成迁移学习算法，利用这些 辅助训练数据迁移帮助目标数据进行分类．新的样本初始权重分配及调整策略，突出了对负样本的识别能力．通过动 态调整辅助训练集，根据设定好的权重阈值下限适时地淘汰冗余数据，降低了冗余数据对分类器性能的影响，提升了 迁移学习对非平衡样本的学习能力．本文利用桥梁实际监测数据进行的实验表明了该算法较TrAdaboost算法的有 效性． 关键词： 迁移学习；分类器集成；冗余数据淘汰；权重分配 中图分类号：TP391 文献标识码