一种基于核学习的非均衡数据分类算法-厦门大学学报自然科学版.PDF

一种基于核学习的非均衡数据分类算法-厦门大学学报自然科学版.PDF

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种基于核学习的非均衡数据分类算法-厦门大学学报自然科学版

第 卷 第 期 ( ) 51 2 厦门大学学报 自然科学版 Vol.51 No.2     年 月 ( ) 2012 3 Mar.2012   JournalofXiamenUniversit NaturalScience           y 一种基于核学习的非均衡数据分类算法 1 1 1 2 * , , , 钟 瑛 朱顺痣 曾志强 洪文兴   ( , ; 厦门理工学院计算机科学与技术系 福建厦门 1. 361024 , ) 厦门大学信息科学与技术学院 福建厦门 2. 361005 摘要: ( , ) 提出一种基于核学习的采样算法来处理支持向量机 su ortvectormachine SVM 在非平衡数据集上的分类问 pp     , , 题 其核心思想是首先在核空间中对少数类样本进行上采样 然后通过输入空间和核空间的距离关系寻找所合成样本在 , , 输入空间的原像 最后再采用 SVM对其进行训练 从而有效克服在不同空间处理训练样本所带来的数据不一致问题. , , , 另一方面 该算法在增加少数类样本数量 减小数据失衡程度的同时有效拓展了少数类样本所形成的凸壳 从而能够更 , , 为有效纠正最优分类超平面偏移问题 使获得的结果分类器具有更好的泛化性能 实验结果证明了该算法的高效性. 关键词: ; ; ; 非平衡数据集 核学习 凸壳 原像 中图分类号: 文献标志码: 文章编号: ( ) TP 181 A 04380479201202018906              - - - ,

文档评论(0)

wumanduo11 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档