Solving Imbalanced Problems With Multilayer Ensemble Balanced Fuzzy Inference Broad Network

doi:10.1109/tfuzz.2026.3717303

Solving Imbalanced Problems With Multilayer Ensemble Balanced Fuzzy Inference Broad Network

2026-07-27

0

PRE

AI

陈晨 (C. L. Philip Chen)

DOI：10.1109/tfuzz.2026.3717303

原文链接

原文求助

摘要

En 中文

广义学习系统（BLS）因其计算效率而表现出优异的泛化能力，但在处理不平衡数据时性能较差，因为它倾向于生成偏向多数类的决策边界。同时，BLS通过随机投影生成隐藏层特征，可能导致复杂特征的损失。为增强BLS的特征表示能力和少数类识别能力，本文提出了一种多层集成平衡模糊推理广义网络。我们首先设计了一种基于影响的平衡广义网络作为基础学习器，能够自适应地为具有过度影响的样本分配较低权重，从而重新平衡学习过程。此外，我们引入模糊推理机制，将原始输入转换为更具判别性的高阶特征空间，有效捕捉复杂的非线性关系。随后，这两个组件被集成到多层集成架构中，其中每一层的增强特征被级联到下一层。最终预测通过多数投票方案聚合所有基础学习器的输出获得，这一过程确保了多层集成的鲁棒性。在与其他现有先进方法的比较实验中，所提出的整体框架在多个关键评估指标上显示出显著优势。

Keyword:

Fuzzy inference system

broad learning system

ensemble learning

imbalance learning

Solving Imbalanced Problems With Multilayer Ensemble Balanced Fuzzy Inference Broad Network

摘要

期刊

机构

引用论文