近日，信息科學(xué)與工程學(xué)院王志軍教授農(nóng)業(yè)系統(tǒng)集成團隊孫博老師作為第一作者在《NEUROCOMPUTING》上在線發(fā)表題為“Radial-based undersampling approach with adaptive undersampling ratio determination”的研究論文。

類不平衡問題是機器學(xué)習(xí)領(lǐng)域中的一項重要挑戰(zhàn)，指在收集到的訓(xùn)練數(shù)據(jù)集中某一類別的樣例數(shù)量明顯少于其他類別的樣例數(shù)量，從而影響常見分類學(xué)習(xí)算法的泛化性能，特別是對攜帶重要信息的少數(shù)類不能很好地進行分類。例如，農(nóng)業(yè)病蟲害數(shù)據(jù)中描述某種特殊病害的樣例(少數(shù)類樣例)通常顯著少于描述普通病害的樣例(多數(shù)類樣例)，但若對少數(shù)類樣例錯誤分類將耽誤病蟲害的最佳治療時機并導(dǎo)致作物產(chǎn)量和質(zhì)量的明顯降低。

為了有效改善分類算法在不平衡數(shù)據(jù)上的學(xué)習(xí)性能，團隊提出一種具有自適應(yīng)欠采樣比例的徑向欠采樣方法RBU-AR。RBU-AR的主要創(chuàng)新之處在于根據(jù)數(shù)據(jù)的類重疊復(fù)雜性來確定合適的欠采樣比例，而不像大多現(xiàn)有欠采樣方法那樣采用默認值1或使用經(jīng)驗試錯策略進行確定；此外，RBU-AR采用“相對類間勢”概念來客觀評估每個多數(shù)類樣例的效用，解決了“應(yīng)該刪除哪些多數(shù)類樣例”的問題，進而降低了因去除有用多數(shù)類樣例而引起的信息丟失風(fēng)險。在40個不平衡數(shù)據(jù)集上進行的實驗和相應(yīng)的統(tǒng)計檢驗表明，類重疊度對學(xué)習(xí)算法的分類性能有很大影響，通常比類不平衡比例IR更為重要，并且RBU-AR算法表現(xiàn)出了較好的分類性能；此外，這項工作為利用類重疊數(shù)據(jù)復(fù)雜性信息來確定合適欠采樣數(shù)量也提供了一定的理論指導(dǎo)。

該研究得到了國家自然科學(xué)基金、山東省重大科技創(chuàng)新項目、山東省自然科學(xué)基金的資助。

論文鏈接：https://www.sciencedirect.com/science/article/pii/S0925231223006677

編      輯：萬    千 

審      核：賈    波