基于加权正则化协同表示的非均衡分类方法

来源：电子与信息学报杂志2023年第7期北京时间：

作者：李艳婷, 王帅, 金军委, 马江涛, 陈雪艳, 陈俊龙

单位：1.郑州轻工业大学计算机与通信工程学院 郑州 4500012.河南工业大学人工智能与大数据学院 郑州 4500013.华南理工大学计算机科学与工程学院 广州 510641

摘要：协同表示分类器及其变种在模式识别领域展现出优越的识别性能。然而，其成功很大程度上依赖于类别的平衡分布，高度非均衡的类别分布可能会严重影响其有效性。为弥补这一不足，该文把补子空间诱导的正则项引入到协同表示模型框架，使得改进后的正则化模型更具判别性。进一步，为提高非均衡数据集上少数类的识别准确率，根据每类训练样本的表示能力提出一种基于最近子空间的类权学习算法。该算法根据原始数据的先验信息自适应地获取每类的权重并且能够赋予少数类更大的权重，使得最终的分类结果对少数类更加公平。所提模型具有闭式解，这展示了该方法的计算效率。在权威公开的两类和多类非均衡数据集上的实验结果表明所提方法显著优于其他主流非均衡分类算法。

关键词：非均衡分类, 自适应权重, 补子空间, 协同表示

基金资助：国家自然科学基金(62106233, 62106068)，河南省科技攻关项目(222102210058, 222102210027, 202102210122)