我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

局部几何保持的Laplacian代价敏感支持向量机 下载：34 浏览：384

周国华1，2 宋洁1 殷新春2 《中文研究》 2018年8期

摘要:
不平衡数据广泛存在于现实生活中，代价敏感学习能有效解决这一问题。然而，当数据的标记信息有限或不足时，代价敏感学习分类器的分类精度大大下降，分类性能得不到保证。针对这一情况，该文提出了一种局部几何保持的Laplacian代价敏感支持向量机(LPCS-LapSVM)，该模型基于半监督学习框架，将代价敏感学习和类内局部保持散度的思想引入其中，从考虑内在可分辨信息和样本的局部几何分布两方面来提高代价敏感支持向量机在标记信息有限的场景中的分类性能。UCI数据集上的实验结果表明了该算法的有效性。

高度不平衡数据的代价敏感随机森林分类算法 下载：57 浏览：350

平瑞 周水生 李冬 ​ 《人工智能研究》 2020年6期

摘要:
在处理高度不平衡数据时,代价敏感随机森林算法存在自助法采样导致小类样本学习不充分、大类样本占比较大、容易削弱代价敏感机制等问题.文中通过对大类样本聚类后,多次采用弱平衡准则对每个集群进行降采样,使选择的大类样本与原训练集的小类样本融合生成多个新的不平衡数据集,用于代价敏感决策树的训练.由此提出基于聚类的弱平衡代价敏感随机森林算法,不仅使小类样本得到充分学习,同时通过降低大类样本数量,保证代价敏感机制受其影响较小.实验表明,文中算法在处理高度不平衡数据集时性能较优.
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享