计算机应用研究

作者：韩忠明,刘聃,段大高,杨伟杰,张珣,

单位：北京工商大学a.计算机与信息工程学院;b.食品安全大数据技术北京市重点实验室,北京100048；

关键词：不平衡分类,数据挖掘,类间隔似然函数,贝叶斯学习,

基金：北京市自然科学基金资助项目(4172016)；北京市教委科技计划一般项目(KM201710011006)；北京市科技计划资助项目(Z161100001616004)；；

基于函数逼近的方法存在少数类样本不足时分类效果不佳的问题，针对此问题提出了不平衡贝叶斯学习分类模型。模型引入类间隔似然函数，用于降低后验分布在参数空间上存在的偏态性，以采样到对各类样本分类精确的参数点。在UCI、KEEL上的公开不平衡数据集中的实验结果验证了所提方法的有效性；基于MINIST数据集构建了两个不平衡数据集，在这两个数据集中几何均值分别达到92.4%和81.6%。

来源：2020年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第12期