绝对不平衡样本分类的集成迁移学习算法

来源：计算机科学与探索杂志2018年第7期北京时间：

作者：么素素，王宝亮，侯永宏

单位：1. 天津大学 电气自动化与信息工程学院，天津 3000722. 天津大学 信息与网络中心，天津 300072

摘要：针对训练数据绝对不平衡问题，提出了一种基于级联结构的集成迁移学习算法。该算法主要包括两部分：迁移学习部分和数据选择部分。在迁移学习阶段，针对TrAdaBoost算法中辅助领域样本权重不可恢复问题，引入权重恢复因子；在数据选择阶段，算法利用级联结构逐步删除辅助领域中噪声样本与冗余样本，在保证目标领域主导作用的同时充分利用辅助领域数据。在真实数据集上的实验结果表明，该算法在数据绝对不平衡的情况下，提升了分类器的综合评价指标与几何平均数，因此该算法可以在一定程度上解决数据绝对不平衡问题。

关键词：集成迁移学习,级联模型,不平衡数据,TrAdaBoost