基于基因表达式编程的代价敏感分类算法

J4 ›› 2009, Vol. 27 ›› Issue (04): 418-.

基于基因表达式编程的代价敏感分类算法

吴江¹ |李太勇^1,2| 刘洋洋¹|唐常杰²

1. 西南财经大学经济信息工程学院,成都 610074;2. 四川大学计算机学院,成都610065

出版日期:2009-07-20 发布日期:2009-08-27
通讯作者: 吴江(１９80— )，男，浙江衢州人，西南财经大学博士研究生，讲师，主要从事数据挖掘研究, E-mail:wujiang@cs.scu.edu.cn
作者简介:吴江(１９80— )|男|浙江衢州人| 西南财经大学博士研究生|讲师|主要从事数据挖掘研究,（Tel）86-13880950851 （E-mail）wujiang@cs.scu.edu.cn；唐常杰(１９46— )|男|重庆人| 四川大学教授|博士生导师|主要从事数据挖掘研究|（Tel）86-28-85466105 （E-mail）tangchangjie@cs.scu.edu.cn
基金资助:
四川省青年软件创新工程基金资助项目(2007aa028)

Cost-Sensitive Classification Algorithm Based on Gene Expression Programming

WU Jiang¹, LI Tai-yong^1,2, LIU Yang-yang¹|TANG Chang-jie²

1. School of Economic Information Engineering, Southwest University of Finance and Economics, Chengdu 610074,China;2.School of Computer Science, Sichuan University, Chengdu 610065, China

Online:2009-07-20 Published:2009-08-27

摘要/Abstract

摘要：

针对传统分类算法在稀有类上的分类效果不佳，通过引进代价矩阵，改进了基因表达式编程的适应度函数，提出了一种基于基因表达式编程的代价敏感分类 (CSC-GEP：Cost-Sensitive Classification-Gene Expression Programming) 算法，并在UCI数据集上对该算法进行了实验。实验结果表明，CSC-GEP的召回率、精度和F-度量值较C4.5分类器分别提高了7.07%，2.89%，5.12%，证明了CSC-GEP是一种有效的代价敏感分类算法。

关键词: 分类, 代价敏感, 稀有类, 基因表达式编程

Abstract:

To improve the classification precision of rare class problem, by importing cost matrix and fitness function of GEP (Gene Expression Programming), we propose a CSC-GEP(Cost-Sensitive Classification-Gene Expression Programming) . The experiments carried on benchmark datasets from the UCI machine learning repository show that CSC-GEP is effective. CSC-GEP increases the recall rate, precision and F-measure by 7.07%, 2.89%, and 5.12% respectively compared with C4.5.

Key words: classification, cost-sensitive, rare classes, gene expression programming

中图分类号:

TP18

吴江|李太勇| 刘洋洋|唐常杰. 基于基因表达式编程的代价敏感分类算法[J]. J4, 2009, 27(04): 418-.

WU Jiang, LI Tai-yong, LIU Yang-yang|TANG Chang-jie. Cost-Sensitive Classification Algorithm Based on Gene Expression Programming[J]. J4, 2009, 27(04): 418-.

[1]	王贺,邓茂云,姜守坤,李明明,宗宇轩,刘富 . 改进的双边二维线性判别分析的手背静脉识别[J]. 吉林大学学报(信息科学版), 2017, 35(1): 32-36.
[2]	贾隆嘉,孙铁利,杨凤芹,孙红光 . 基于类空间密度的文本分类特征加权算法[J]. 吉林大学学报(信息科学版), 2017, 35(1): 92-97.
[3]	蔡柳, 恵飞, 叶敏, 康科, 赵祥模. 基于不确定抽样的半监督城市土地功能分类方法[J]. 吉林大学学报(信息科学版), 2016, 34(4): 550-555.
[4]	杨宇, 司玉娟, 宋晓洋. 基于小波变换和支持向量机的心电信号ST 段分类[J]. 吉林大学学报(信息科学版), 2016, 34(3): 315-319.
[5]	李伟伟. 基于内容的藻类图像分类检索算法[J]. 吉林大学学报(信息科学版), 2015, 33(5): 538-.
[6]	刘波, 张春华. 基于支持向量机构象性B细胞表位预测研究[J]. 吉林大学学报(信息科学版), 2015, 33(3): 298-304.
[7]	祝宇鸿, 历彦恺, 胡俊, 姜华庚. 基于跳数阈值和节点分类的DV-Hop改进算法[J]. 吉林大学学报(信息科学版), 2014, 32(4): 407-412.
[8]	史东承, 邢移单. 基于效用函数动态多用户调度的协作用户分类[J]. 吉林大学学报(信息科学版), 2014, 32(2): 119-124.
[9]	徐海啸, 麻婧, 吴旗. DBSCAN算法在高性能计算中心用户分类的应用研究[J]. 吉林大学学报(信息科学版), 2013, 31(5): 528-534.
[10]	董连英, 邢立新, 潘军, 王静, 李丽丽, 焦健楠. 高光谱图像植被类型的CART决策树分类[J]. J4, 2013, 31(1): 83-90.
[11]	于超, 王璐, 吴琼, 裴志松. 基于纹理特征的关联规则挖掘方法的医学应用[J]. J4, 2012, 30(5): 529-.
[12]	郭晓冬, 姜昱明, 费非. 文本特征选择方法的改进算法[J]. J4, 2012, 30(5): 544-.
[13]	鲁祖坤, 王阳, 高鹰, 石宇, 李冬银. 阵列幅相误差背景下MUSIC算法的DSP实现[J]. J4, 2012, 30(3): 250-255.
[14]	尚小晶\|刘小梅\|李成凤\|李阳\|田彦涛. 神经元的几何形态分类[J]. J4, 2011, 29(03): 237-.
[15]	吴江\|唐常杰\|李太勇\|李自力\|刘洋洋. 基于多目标基因表达式编程的电路演化算法[J]. J4, 2011, 29(03): 245-.