【摘要】：非均衡數(shù)據(jù)的分類問(wèn)題作為機(jī)器學(xué)習(xí)領(lǐng)域十大挑戰(zhàn)之一,近年來(lái)吸引了很多學(xué)者的深入研究。本文在深入研究并總結(jié)了當(dāng)前針對(duì)非均衡數(shù)據(jù)分類方法的基礎(chǔ)上,從數(shù)據(jù)預(yù)處理角度和集成學(xué)習(xí)角度提出了對(duì)非均衡數(shù)據(jù)分類的改進(jìn)方法,并在典型非均衡數(shù)據(jù)分類領(lǐng)域:地層巖石數(shù)據(jù)巖性識(shí)別的應(yīng)用進(jìn)行了研究。本文的具體工作如下:一、提出了基于最佳均衡比的非均衡數(shù)據(jù)預(yù)處理方法(a pre-processing method for imbalance data based on the best balance ratio),簡(jiǎn)稱obtio。本文提出的obtio算法通過(guò)獲取每一個(gè)特定非均衡數(shù)據(jù)的最佳均衡比,從數(shù)據(jù)預(yù)處理角度提高了非均衡數(shù)據(jù)的分類效果。實(shí)驗(yàn)結(jié)果表明,本文提出的obtio算法相比于谷瓊等人提出的混合采樣技術(shù),F-measure值提高了0.2。二、提出了一種基于聚類和裝袋的非均衡數(shù)據(jù)分類方法(a method based on cluster and bagging for imbalance data classification),簡(jiǎn)稱CB。本文提出的CB算法通過(guò)聚類和裝袋方法獲取到多個(gè)均衡數(shù)據(jù)集,并結(jié)合集成規(guī)則,從集成學(xué)習(xí)角度提高了非均衡數(shù)據(jù)的分類效果。實(shí)驗(yàn)結(jié)果表明,本文提出的CB算法相比于Wei-Chao Lin等人提出的Clustering-based undersampling方法,F-measure值提高了0.15。三、針對(duì)常規(guī)巖性識(shí)別方法巖性識(shí)別率低的問(wèn)題,提出了一種地層巖石巖性識(shí)別方法(a method for lithology recognition of ground-layer rock data),簡(jiǎn)稱LRGL。在數(shù)據(jù)預(yù)處理階段,深入地分析了每一個(gè)巖石數(shù)據(jù)樣本在巖石數(shù)據(jù)中的分布特性,通過(guò)過(guò)采樣特定類型的少數(shù)類巖石數(shù)據(jù)樣本,獲取到均衡的巖石數(shù)據(jù)集,并運(yùn)用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行巖性識(shí)別。實(shí)驗(yàn)結(jié)果表明:本文提出的LRGL方法相比于牟丹等人提出的方法,AUC值提高了0.2,且?guī)r性識(shí)別效果穩(wěn)定。
【學(xué)位授予單位】：西北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：P628
【圖文】：

2.3.4 實(shí)驗(yàn)結(jié)果分析圖 2.1 obtio 算法分類效果圖圖 2.1 橫軸代表采樣率 N，縱軸代表分類效果 F-measure 的值（10 條折線代表 10個(gè)數(shù)據(jù)集）。本次實(shí)驗(yàn)中分類器為 Na ve Bayes。從實(shí)驗(yàn)結(jié)果可以得出：隨著采樣率 N的增大，每個(gè)非均衡數(shù)據(jù)的分類效果（F-measure 值）的整體趨勢(shì)是從上升到基本穩(wěn)定再到下降。其原因在于，開始少數(shù)類樣本的數(shù)目相對(duì)較少，分類器不能夠?qū)W習(xí)到刻畫各個(gè)非均衡數(shù)據(jù)集中少數(shù)類樣本的特征信息，所以分類的效果仍然不佳。隨著采樣率 N 的繼續(xù)增大，使得有相對(duì)較多的少數(shù)類樣本，可供分類器在訓(xùn)練階段逐漸學(xué)習(xí)到刻畫非均衡數(shù)據(jù)集中少數(shù)類的信息。實(shí)驗(yàn)結(jié)果中，可以看出，每個(gè)數(shù)據(jù)集都有一段分類的效果基本穩(wěn)定，是因?yàn)楫?dāng)少數(shù)類樣本增加到一定數(shù)目，分類器已經(jīng)學(xué)習(xí)到足以刻畫該類的特征信息

圖 2.2 不同預(yù)處理方法的分類效果對(duì)比圖獲取到每個(gè)數(shù)據(jù)的最佳均衡比后，我們對(duì)本文提出的 obtio 非均衡數(shù)進(jìn)一步的性能探究。從圖 2.2 可以看到，本文提出的 obtio 算法分別以ayes、C4.5 作為分類算法時(shí)，F(xiàn)-measure 的值均高于其他兩種方法且波動(dòng)本文提出的 obtio 算法在處理非均衡數(shù)據(jù)時(shí)性能較優(yōu)，且對(duì)分類算法

圖 3.1 C&B 數(shù)據(jù)均衡算法流程圖候選樣本點(diǎn)集中隨機(jī)抽樣一個(gè)數(shù)據(jù)樣本，最終組，并將其與于少數(shù)類樣本進(jìn)行組合，形成一個(gè)均4），我們將得到 Q 個(gè)均衡的樣本集。衡數(shù)據(jù)，得到 Q 個(gè)基分類器，最后運(yùn)用集成規(guī)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王玉璽;劉波;高計(jì)縣;張學(xué)豐;李順利;劉建強(qiáng);田澤普;;Auto recognition of carbonate microfacies based on an improved back propagation neural network[J];Journal of Central South University;2015年09期

2 單敬福;陳欣欣;趙忠軍;葛雪;張蕓;;利用BP神經(jīng)網(wǎng)絡(luò)法對(duì)致密砂巖氣藏儲(chǔ)集層復(fù)雜巖性的識(shí)別[J];地球物理學(xué)進(jìn)展;2015年03期

3 王輝;黎明碧;唐勇;方銀霞;丁巍偉;付潔;王聰;;基于小波神經(jīng)網(wǎng)絡(luò)的ODP1148A井巖性預(yù)測(cè)[J];地球物理學(xué)進(jìn)展;2014年01期

4 LIU Zhen;LIU Qiong;;Studying cost-sensitive learning for multi-class imbalance in Internet traffic classification[J];The Journal of China Universities of Posts and Telecommunications;2012年06期

5 谷瓊;袁磊;寧彬;吳釗;華麗;李文新;;一種基于混合重取樣策略的非均衡數(shù)據(jù)集分類算法[J];計(jì)算機(jī)工程與科學(xué);2012年10期

6 谷瓊;袁磊;熊啟軍;寧彬;李文新;;基于非均衡數(shù)據(jù)集的代價(jià)敏感學(xué)習(xí)算法比較研究[J];微電子學(xué)與計(jì)算機(jī);2011年08期

7 程險(xiǎn)峰;李軍;李雄飛;;一種基于欠采樣的不平衡數(shù)據(jù)分類算法[J];計(jì)算機(jī)工程;2011年13期

8 李繼安;;人工智能神經(jīng)網(wǎng)絡(luò)在巖性識(shí)別、孔隙度和滲透率預(yù)測(cè)中的應(yīng)用——以十紅灘鈾礦床為例[J];西北地質(zhì);2010年02期

9 鐘儀華;李榕;;基于主成分分析的最小二乘支持向量機(jī)巖性識(shí)別方法[J];測(cè)井技術(shù);2009年05期

10 紀(jì)福全;程國(guó)建;王瀟瀟;朱戰(zhàn)立;;構(gòu)造性神經(jīng)網(wǎng)絡(luò)在測(cè)井巖性識(shí)別中的應(yīng)用[J];石油礦場(chǎng)機(jī)械;2007年04期

本文編號(hào)：2767758