摘要：不平衡分类技术经常在在哪儿的许多机器学习应用程序域被使用了多数的数字(或积极) 数据集的班比少数的大得多(或否定) 班。同时，特征选择(FS ) 是为以极大地改进分类表演和计算效率的一种方式的高度维的分类任务的关键技术之一。然而，特征选择的大多数研究和不平衡分类被限制为离线的批学习，它很好没被使适应一些实际情形。在这份报纸，我们试图以一种联机方式与仅仅活跃特征的一个小数字精确地并且高效地解决高度维的 imbalanced 分类问题，并且我们建议在网上为这个目的学习算法的二篇小说。在我们的途径，包含仅仅特征的一个小、修理的数字的一个分类器被构造分类以一种联机方式收到的 imbalanced 数据的一个序列。我们提出如此的联机学习者的构造进一个优化问题并且使用一条反复的途径解决这个问题基于被动好攻击(PA ) 算法以及一个截断的坡度(TG ) 方法。我们基于几真实世界的数据集，和我们的试验性的结果评估建议算法的表演与基线比较表明了建议算法的有效性。

原文链接:http://www.cqvip.com//QK/85226X/201604/669375802.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）