Resumen

En muchas aplicaciones prácticas de ingeniería, los datos suelen recogerse en patrones en línea. Sin embargo, si las clases de estos datos están muy desequilibradas, el rendimiento de la clasificación se verá restringido. En este trabajo, se propone un nuevo enfoque de clasificación para resolver el problema del desequilibrio de datos en línea mediante la integración de un algoritmo de aprendizaje rápido y eficiente, es decir, Extreme Learning Machine (ELM), y una estrategia de muestreo típica, es decir, la técnica de sobremuestreo de minorías sintéticas (SMOTE). Para reducir el desequilibrio grave, la división granular de las muestras de clase mayor se realiza de acuerdo con la característica de distribución de las muestras, y las muestras originales se sustituyen por el núcleo granular obtenido para preparar un conjunto de muestras equilibrado. En la etapa en línea, en primer lugar se realiza la división de la granulación para la clase menor y, a continuación, se lleva a cabo un sobremuestreo utilizando SMOTE en la región alrededor del núcleo de gránulos y el borde de gránulos. Por lo tanto, el conjunto de muestras de entrenamiento se equilibra gradualmente y el modelo ELM en línea se actualiza dinámicamente. También introducimos teóricamente la entropía de información difusa para demostrar que el enfoque propuesto tiene el límite inferior de fiabilidad del modelo tras el submuestreo. Se realizan experimentos numéricos con dos tipos diferentes de conjuntos de datos, y los resultados demuestran que el enfoque propuesto supera a algunos de los métodos más avanzados en términos de rendimiento de generalización y estabilidad numérica.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Aplicaciones prácticas de ingeniería; datos; patrón en línea; desequilibrio grave; rendimiento de la clasificación; nuevo enfoque de clasificación; máquina de aprendizaje extremo (ELM); técnica de sobremuestreo de minorías sintéticas (SMOTE); división de granulación; muestras de clase mayor; conjunto de muestras equilibrado; etapa en línea; clase menor; sobremuestreo; región; núcleo de gránulos; borde de gránulos; conjunto de muestras de entrenamiento; modelo ELM en línea; entropía de información difusa; fiabilidad del modelo; submuestreo; experimentos numéricos; conjuntos de datos; rendimiento de la generalización; estabilidad numérica.
• Keywords:Practical engineering applications; data; online pattern; severely imbalanced; classification performance; novel classification approach; Extreme Learning Machine (ELM); synthetic minority oversampling technique (SMOTE); granulation division; major-class samples; balanced sample set; online stage; minor-class; oversampling; region; granule core; granule border; training sample set; online ELM model; fuzzy information entropy; model reliability; undersampling; numerical experiments; datasets; generalization performance; numerical stability