基于鑒別分析的類不平衡學習.pdf

1、在模式識別領域的實際應用中，常常會出現(xiàn)某一類的樣本數(shù)量遠遠少于其它類樣本數(shù)量的現(xiàn)象，主要原因有兩種：一種是原始數(shù)據(jù)自身分布呈現(xiàn)不平衡特性，另一種是某些特征提取算法為優(yōu)化性能而產(chǎn)生的數(shù)據(jù)不平衡現(xiàn)象。特定類思想屬于第二種，該思想為了充分考慮每個類的特殊信息，輪流將每個類的樣本作為特定類，相應剩余所有的類則構成了大類做鑒別分析，由此產(chǎn)生了類不平衡問題。由于傳統(tǒng)的Fisher鑒別分析（FDA）是基于兩類的樣本服從正態(tài)分布的假設的，因此難以在數(shù)據(jù)

2、不平衡時獲得很好的鑒別效果，為了解決這個問題，本文提出了三種新的方法從不平衡數(shù)據(jù)集中獲取有效的鑒別特征。
　　本文首先提出了一種平衡類鑒別分析（CBD）方法。對于每個特定類，我們從其對應的大類中選取它的部分近鄰樣本構成特定類的近鄰樣本集，接著將這個近鄰樣本集劃分成與特定類相同樣本數(shù)的多個子集，來獲取平衡，再將劃分好的平衡類與特定類結(jié)合成為新樣本集，最后用FDA方法得到鑒別向量。為了去除鑒別向量的冗余信息，我們給從相關性大的新樣本集

3、中獲取的鑒別向量加上了正交約束，即正交平衡類鑒別分析（OCBD），為了去除鑒別特征中的一些冗余信息，我們進一步提出了不相關類不平衡鑒別分析（UCBD）。
　　接著，本文提出了一種基于主動學習的平衡類鑒別分析（ALCBD）方法。在構造特定類的平衡類時，我們設計了兩種主動學習策略，首先采用隨機劃分的方法將近鄰樣本集劃分成若干個與特定類大小相同的子集，考察每個子集與特定類形成的新的樣本集的總體散度，或者考察每個子集與特定類形成的新的樣本

4、集的可分性，選取出信息量最大的樣本集與特定類結(jié)合后，最后用FDA方法得到鑒別向量。
　　最后，為了能夠解決非線性可分的數(shù)據(jù)的類不平衡問題，我們提出了核平衡類鑒別（KCBD）。當原始數(shù)據(jù)呈現(xiàn)非線性分布時，上面的線性方法很難尋找到有效的分界面，本文通過將其轉(zhuǎn)換到一個高維空間中，使在輸入空間線性不可分的數(shù)據(jù)在該空間中變得線性可分。在核空間對特定類求取近鄰樣本集，構成若干平衡類，再將這些平衡類分別與特定類結(jié)合成為新樣本集，做鑒別分析得到鑒