不均衡数据情形的基于聚焦损失的CGAN的集成分类方法

作     者：崔文泉 余厚莹 侯晓天 CUI Wenquan;YU Houying;HOU Xiaotian

作者机构：中国科学技术大学管理学院统计与金融系安徽合肥230026 

出 版 物：《中国科学技术大学学报》 (JUSTC)

年 卷 期：2020年第50卷第7期

页      面：968-976页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(71873128)资助 

主　　题：非均衡数据 条件生成对抗网络 聚焦损失 集成学习 

摘      要：针对非均衡数据的情形,基于条件生成对抗网络(conditional generative adversarial networks,CGAN),利用梯度提升树研究了聚焦损失的CGAN的集成分类方法.该方法首先通过CGAN降低不均衡率,通过聚焦损失的权值均衡结合GBDT算法,适当增加对少数类样本的关注度进而进一步提升分类器的分类性能.对方法的性质进行了研究,获得了若干理论成果.证明了:在一定条件下,由CGAN产生的经验条件分布收敛于相应总体的条件分布;聚集损失的CGAN方法其经验风险收敛到期望风险;该方法的估计量会收敛到使得期望风险最小化的函数.实验结果显示了聚焦损失的CGAN方法具有良好的表现.