.png){kind=icon}
返回
A constrained multi-objective evolutionary algorithm for multi-class instance selection
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.102120.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
作为一种数据处理技术，实例选择（IS）旨在选择少量具有相同（甚至更高）分类能力的实例。由于其广泛应用，许多性能有前景的IS算法已被提出。尽管如此，大多数现有算法侧重于通过使用不同的优化技术设计新的IS算法，而鲜少考虑多类IS中不同类别之间的不平衡问题。为解决该问题，本文首先为多类IS构建了一个约束优化问题，其中定义了“硬约束”和“软约束”以更准确地建模多类IS问题。然后，为解决该约束优化问题，提出了一种称为CMOEA-MIS的多目标进化算法，通过该算法可获得高质量的实例子集。具体而言，在CMOEA-MIS中，基于支配关系（该关系同时考虑了约束违反程度和解决方案质量）开发了一种基于约束的解选择策略，并将其用于选择交配池中的个体。此外，CMOEA-MIS中还提出了一种基于两阶段的变异策略，以进一步提高最终获得的实例子集的质量。在具有不同特性的多类数据集上的实验结果表明，CMOEA-MIS能够实现超过50%的缩减率，同时确保各类别的准确性，可用于训练性能与当前最先进的IS算法相当或更优的分类器。
Keyword:
instance selection
multi-class imbalance
constrained optimization
multi-objective evolutionary algorithm
data processing
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
暂无机构信息
引用论文
A study of the behavior of several methods for balancing machine learning training data平衡机器学习训练数据的几种方法的行为研究
PREAI
分享收藏分享收藏分享收藏Evolutionary-based selection of generalized instances for imbalanced classification基于进化的不平衡分类广义实例选择
PREAI
分享收藏Evolutionary Instance Selection With Multiple Partial Adaptive Classifiers for Domain Adaptation多部分自适应分类器用于领域适应的进化实例选择
PREAI
分享收藏Feature reduction for hepatocellular carcinoma prediction using machine learning algorithms.png)
JOURNAL OF BIG DATA
OAAI
JOURNAL OF BIG DATAIF6.4
OAAI分享收藏分享收藏An Evolutionary Multiobjective Model and Instance Selection for Support Vector Machines With Pareto-Based Ensembles基于Pareto集成的支持向量机的进化多目标模型和实例选择
PREAI
分享收藏
查看更多内容