基于先验概率的加权神经网络模型

摘要

针对不平衡分类问题中各类别规模差异较大导致的较小类别分类精度不高的情况，提出基于先验概率的加权神经网络模型．为了提高较小类别在迭代神经网络中的重要性，以每一类样本的先验概率的倒数作为该类数据的权重，将该权重加人神经网络的目标损失函数中，并基于新构造的目标函数进行网络迭代，加强对少数类别的代价敏感学习，从而提高对小类别样本的识别率．最后利用真实分类数据进行实证分析，与经典神经网络对比，证明模型的有效性与实用性．

关键词

先验概率 / 神经网络 / 目标函数 / 不平衡数据

基金资助

国家自然科学基金青年基金（11601357）; 四川省科技厅应用基础项目（2017JY0159）