Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

16.01.2018 | Regular Paper | Ausgabe 2/2018

Progress in Artificial Intelligence 2/2018

A self-adaptive evolutionary weighted extreme learning machine for binary imbalance learning

Zeitschrift:
Progress in Artificial Intelligence > Ausgabe 2/2018
Autoren:
Xiaofen Tang, Li Chen

Abstract

It is known that the problem of imbalanced data sets widely exists in various application fields. The weighted extreme learning machine (WELM) was proposed. It solved the \({L}_{2}\)-regularized weighted least squares problem in order to avoid the generation of an over-fitting model and to obtain better classification performances in imbalanced data sets when compared with extreme learning machine. While a WELM algorithm can address class imbalance issues, the random assignment of input parameters and the training sample weights generated according to class distribution of training data have been found to affect the performance of WELM. The aim of this study was to propose a self-adaptive differential evolutionary weighted extreme learning machine (SDE-WELM) which utilized a self-adaptive differential evolutionary to find the optimal input weights, hidden node parameters, and training sample weights of the WELM and exploit an appropriate criterion to be used as the fitness function for binary imbalance learning. The experimental results of the majority of the 40 data sets examined in this study indicated that the proposed method had the ability to achieve a better classification performance when compared with a weighted extreme learning machine (WELM), ensemble weighted extreme learning machine, evolutionary weighted extreme learning machine, and an artificial bee colony optimization-based weighted extreme learning machine and the four popular ensemble methods which combine data sampling and the Bagging or Boosting used in support vector machine as base classifier.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe​​​​​​​




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 2/2018

Progress in Artificial Intelligence 2/2018 Zur Ausgabe

Premium Partner

    Bildnachweise