南京航空航天大学学报

作者：鲁淑霞，张振莲，翟俊海

单位：河北大学数学与信息科学学院，河北省机器学习与计算智能重点实验室，保定 071002；,河北大学数学与信息科学学院，河北省机器学习与计算智能重点实验室，保定 071002；,河北大学数学与信息科学学院，河北省机器学习与计算智能重点实验室，保定 071002；

关键词：非平衡数据;惩罚AdaBoost;自适应代价敏感函数;平均间隔;随机梯度下降

基金：河北省科技计划重点研发项目（19210310D）；河北省自然科学基金（F2021201020）。

针对非平衡数据分类问题，提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中，引入一种新的自适应代价敏感函数，赋予少数类样本及分错的少数类样本更高的代价值，并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机（Support vector machine，SVM）优化模型作为基分类器，采用带有方差减小的随机梯度下降方法（Stochastic variance reduced gradient，SVRG）对优化模型进行求解。对比实验表明，本文提出的算法不但在几何均值（G-mean）和ROC曲线下的面积（Area under ROC curve，AUC）上明显优于其他算法，而且获得了较大的平均间隔，显示了本文算法在处理非平衡数据分类问题上的有效性。

来源：2023年第2期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2023年第2期