基于非平衡问题的卷积神经网络分类模型

作     者：矫桂娥 徐红 张文俊 陈一民 Jiao Guie;Xu Hong;Zhang Wenjun;Chen Yimin

作者机构：上海大学上海电影学院上海200072 上海海洋大学信息学院上海201306 上海建桥学院信息技术学院上海201306 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2023年第40卷第6期

页      面：96-102,111页

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61572434) 上海市科技创新行动计划项目(19511104502,16511101200) 上海科学技术委员会项目(19DZ22048)。 

主　　题：非平衡 高斯混合模型 采样 损失加权 分类模型 

摘      要：由于数据分布的不平衡,传统的分类模型常常会受多数类的影响而降低分类准确率。因此为提升对非平衡数据的分类性能,提出新的卷积神经网络分类模型CNN-EMWRA-WCELF,其中EMWRA(Expectation Maximization Weighted Resampling Algorithm)是对EM算法的优化。融合高斯混合模型与采样算法,对初始数据集进行精确采样,以此降低训练数据集的非平衡度。另外,所提的WCELF(Weighted Cross Entropy Loss Function)函数,可根据样本权重对少数类和多数类赋予不同的代价损失。最后,以F1和G-mean为评价指标,将CNN-EMWRA-WCELF模型在竞赛数据集上与其他分类模型相比较,结果均为第一,表明其能够很好地提高少数类分类的正确率。