文献类型：期刊文献

中文题名：矩阵型多类代价敏感分类器模型

英文题名：Matrixized Multi-class Cost Sensitive Classification Mode

作者：孟芸[1];王喆[1]

机构：[1]华东理工大学计算机科学与工程系,上海200237

年份：2016

卷号：42

期号：1

起止页码：119

中文期刊名：华东理工大学学报（自然科学版）

外文期刊名：Journal of East China University of Science and Technology

收录：CSTPCD;;Scopus;北大核心:【北大核心2014】；CSCD:【CSCD2015_2016】；

基金：国家自然科学基金面上项目(61272198);上海市教育委员会科研创新项目(14ZZ054);中央高校基本科研业务费专项资金

语种：中文

中文关键词：模式识别;代价敏感;分类器设计

外文关键词：pattern recognition; cost sensitive; classifier design

摘要：目前大部分分类器都是以分类正确率来衡量性能,这种评价标准都是基于理想情况下所有错误分类代价都是相同的。但实际生活中往往不同的错误分类会带来不同的损失,因此代价敏感学习成为模式识别中一个热点研究领域。本文将代价敏感思想与矩阵型学习机相结合,提出了一个矩阵型多类代价敏感分类器模型。通过与其他分类器在常用数据集上的对比实验证明,该方法降低了错误分类代价,提高了少数类或代价高类别的分类正确率,并可以在有效次内收敛,是一个有效且实用的方法。
At present,most of the classifiers are evaluated by classification accuracy,which assumes that all the misclassification costs are the same.Actually,different misclassification may bring different loss.Therefore,the cost sensitive learning has been becoming a hot research area in pattern recognition.By combining the cost sensitive and matrixized learning thoughts,this paper proposes a matrixized multi-class cost sensitive classification mode.The experimental results on the data show that the proposed method can reduce the classification costs and improve the classification accuracy of the minority or higher cost classes.Meanwhile,the proposed method has a better convergence,which illustrates the effectiveness and practice of the proposed method.