针对动态非平衡数据集鲁棒的在线极端学习机
来源：计算机研究与发展杂志2015年第7期北京时间：
作者：张晶,冯林,
摘要：动态数据存在数据量动态改变，数据类别分布非平衡、不稳定等问题，这些问题成为分类的难点.针对该问题，通过对在线极端学习机模型进行拓展，提出鲁棒的权值在线极端学习机算法.为解决动态数据非平衡性，该算法借助代价敏感学习理论生成局部动态权值矩阵，从而优化分类模型产生的经验风险.同时，算法进一步考虑动态数据由于时序性质改变造成的数据分布变化，而引入遗忘因子增强分类器对数据分布变更的敏感性.算法在不同数据分布的24个非平衡动态数据集上测试，取得了较好的效果.
关键词：非平衡数据集, 极端学习机, 在线极端学习机, 代价敏感学习, 遗忘因子,
