基于非平衡问题的卷积神经网络分类模型
A CONVOLUTION NEURAL NETWORK CLASSIFICATION MODEL BASED ON IMBALANCED PROBLEM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)。
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。