基于eEP的稀有类分类问题研究-计算机软件与理论专业论文.docxVIP

郑州大学硕十学位论文 郑州大学硕十学位论文 摘要 2005年5月 摘要 对于许多实际应用，稀有类分类问题都非常重要。而稀有类样本的数量稀少 使得很难使用传统的分类器对它们准确分类。由于稀有类问题的特殊性、复杂性 及难解性，目前研究稀有类问题的专用算法不多。 本文主要研究基于eEP的稀有类分类问题。eEP是一种最具表达能力的、特 殊的EP，称为基本显露模式。它不仅具有显露模式的优点，可以用来构造准确 的分类器，而且数量比显露模式少很多，可以快速方便地挖掘和使用。 集成学习方法是从机器学习领域逐渐发展起来的用于提升弱分类器分类准 确率的技术，被认为是近十年来提出的最有效的学习思想之一。与单个算法相比， 集成学习不容易出现过适应现象。 本文把Bagging技术引入稀有类分类这一极具挑战性的领域，并采用基于eEP 的分类器作为集成学习的基分类器进行分类。通过“分组自助抽样”及不同的加 权投票策略的分析，本文详细研究了Bagging技术在稀有类分类上的应用。同时 提出了若干稀有类分类的高效集成学习算法。 本文研究工作的主要创新点有： 使用eEP来分类稀有类。改进了基于eEP的单分类器算法CEEP，使之 更适合对稀有类进行分类。从而形成了新算法eEPRC，它更加侧重稀有 目标类的分类性能。 应用集成学习方法Bagging技术来提高稀有类分类性能。提出两个新的 稀有类分类算法VeEPRC和Be