我校教师在Top期刊《Knowledge-based Systems》上发表集成进化学习研究成果

来源：科技处

时间： 2022-09-16

访问量：

　　近日，我校教师张量在多目标集成进化计算应用于不平衡分类问题上的研究成果《Evolving ensembles using multi-objective genetic programming for imbalanced classification》被人工智能领域重要国际期刊Knowledge-Based Systems（中科院分区1区，TOP期刊，影响因子8.139）录用并在线发表。张量副教授为该论文第一作者，同济大学康琦教授为通讯作者。该研究中，多目标进化算法应用于工业物联网边缘计算领域提出的高效神经网络剪枝方法也于今年授权发明专利（我校为专利权人）。该研究工作得到了教育部人工智能算法战略规划项目、国家自然科学基金、江苏省高校“青蓝工程”项目、苏州市科技计划项目等项目的资助。

　　不平衡数据分类是智能制造领域故障检测、医疗领域病理诊断、以及自然语言处理领域文本分类等方面机器学习任务的一大挑战。尽管现有的多种分类方法在机器学习任务中表现出了强大的能力，但它们仍然难以解决训练数据不平衡的问题。常用的加权或重采样策略仍存在众多不足。例如，需要手动设置权重，重采样数据贡献弱等。本工作将高性能多目标进化算法和加权集成策略结合，设计了一种高效的不平衡分类的算法。在公开的21个二分类数据集和17个多分类数据集上的实验结果表明，该方法在多个常用的不平衡分类度量上的表现均优于十余个公认优秀的对比方法。为解决工业物联网故障检测、医学诊断等领域不平衡分类问题提供了有效途径。

　　Knowledge-Based Systems (KBS)是人工智能领域的著名国际性交叉学科期刊，是国际公认的人工智能领域旗舰期刊。该期刊重点专注于基于知识和基于其他人工智能技术的研究，并发表该领域的原创、创新和创造性成果。KBS被SCI检索（位于中科院SCI期刊分区计算机学科类1区，最新影响因子8.139）。

供稿：科技处

　　通讯员：张培

　　审核：宣传统战部