典型文献
联合迁移学习和强化学习的不平衡分类方法
文献摘要：
在不平衡二分类问题中,为避免上采样算法的生成样本质量参差不齐导致模型分类性能较差的问题,提出一种联合迁移学习和强化学习的不平衡样本分类模型.基于上采样方法对少数类进行样本生成,将生成样本集看作源域,原始不平衡数据集看作目标域,计算源域中每个样本在不平衡分类问题上的贡献度,得到源域的先验知识;建立强化学习智能体,智能体利用先验知识对生成样本进行筛选,将贡献度大的样本挑选进训练集;利用新建立的训练集训练分类器,实现不平衡样本分类.实验结果表明,在7个不平衡数据集上,相较于现有算法,所提模型均能在一定程度上提高分类效果.
文献关键词：
不平衡分类;样本筛选;数据挖掘;迁移学习;强化学习
中图分类号：
作者姓名：
侯春萍;华中华;杨阳;于笑辰;王伟阳;于鑫
作者机构：
天津大学 电气自动化与信息工程学院,天津 300072;国家电网辽宁省电力有限公司 丹东供电公司,辽宁 丹东 118000
文献出处：
引用格式：
[1]侯春萍;华中华;杨阳;于笑辰;王伟阳;于鑫-.联合迁移学习和强化学习的不平衡分类方法)[J].计算机工程与设计,2022(10):2769-2776
A类：
B类：
迁移学习,强化学习,不平衡分类,分类方法,二分类问题,上采样,采样算法,模型分类性能,不平衡样本,分类模型,采样方法,少数类,样本生成,样本集,源域,不平衡数据集,目标域,贡献度,先验知识,智能体,训练集,集训,分类器,分类效果,样本筛选
AB值：
0.341448
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
