不平衡数据分类相关论文
新一代信息技术的飞速发展及其在各领域的广泛应用引发了数据的爆炸式增长.如何挖掘海量数据中蕴含的重要信息、发挥数据的价值是......
近年来,迁移学习在各个领域均取得了长足的发展和进步,基于深度学习的域自适应算法也日益受到人们的关注。迁移学习旨在将从一个任......
随着机器学习与计算智能的快速发展,面向海量高维数据的神经网络研究成果不断涌现。2018年,华南理工大学陈俊龙教授团队提出一种宽......
图像识别是计算机视觉领域最为基础的任务。基于深度卷积神经网络（Deep Convolutional Neural Network,DCNN）的图像识别方法是目前的......
随着工业互联网的发展,带来终端传感设备数量激增,传输与存储的数据呈现爆炸式增长,企业、机构通过数据挖掘能够进行一系列的分析......
随着国民经济的快速发展,以及铁路相关技术的不断进步,为了满足人们日益增长的生产和生活需要,“货运重载化”成为我国货运铁路技......
分类是大数据分析的核心任务之一,在顾客行为挖掘、医疗诊断、灾害预警等国计民生方面有许多典型应用,是目前的前沿热点研究方向之......
针对网络攻击检测准确率较低的问题,提出基于人工神经网络和遗传算法的混合网络攻击检测算法。将多目标遗传算法和多项式逻辑回归......
分类是数据挖掘领域的一项重要任务,它是学习出分类器模型并预测未知实例的类标号的技术。关联分类是一种具有规则多和分类精度较......
随着网络媒体和互联网技术的高速发展,Internet上充斥着各种海量的信息,且在不断变化更新,来源也更为广泛。怎样从海量的且不断变......
超网络是在细胞中生物分子网络的启发下形成的一种用于学习和记忆的概率图论模型。超网络是一种由大量超边组成的特殊超图。与一般......
随着科技的发展，各个行业都产生了大量的数据，为了解决在海量数据中获取有用的信息的问题，数据挖掘技术应运而生。机器学习是当前人工......
互联网世界发展日新月异,在线社交网络已经成为人们日常生活中不可或缺的一部分。在线社交网络上涌现出了大量被自动化程序控制的......
随着数据不断涌现,我们迎来大数据时代。在这种时代背景下,数据资源对我们来说尤为重要。世界上很多发达国家将大数据技术作为提升......
随着在线交互技术的发展和越来越多社交网络平台的兴起,人们将越来越多的闲暇时间花费在社交网络平台上。在线社交网络用户的隐匿......
数据分类是机器学习领域最为基础的研究方向之一。作为一种基础的数据处理方法,二分类已经广泛应用于实际生活中的数据的智能化处......
随着互联网技术的快速发展,机器学习分类已广泛应用于日常生活的多个领域。分类算法通过对已有的数据进行分析并且建立模型,从而对......
不平衡数据分类问题在数据挖掘领域占有重要的地位,如何有效处理不平衡数据已然成为当前的一个研究热点。采用传统的分类模型时,数......
当前互联网信息时代,人们在现实生活中每天都会产生大量可用且有价值的数据,如何从这些数据中发掘内在与外在相关性并抽取有益信息......
不平衡数据集指的是数据集中某一类(下称多数类)的样本数量相对其他类(少数类)多得多。传统的分类算法默认训练集中各样本类别的样......
超限学习机(ELM)作为一种简单高效的学习算法被广泛应用于分类和拟合问题中.但是ELM在训练过程中逼近所有的样本容易造成过拟合,并......
究基于boosting的不平衡数据分类算法，归纳分析现有算法，在此基础上提出权重采样boosting算法。对样本进行权重采样，改变原有数据分布......
用机器学习中有监督学习模型支持向量机SVM来进行强对流天气的识别和预报。强对流天气的发生可以看作是小概率事件,因此强对流天气......
不平衡数据分类是机器学习的研究热点之一.传统的机器学习分类算法通常假定用于训练的数据集是平衡的,不能直接应用于不平衡数据分......
传统的超网络模型在处理不平衡数据分类问题时,具有很大的偏向性,正类的识别率远远高于负类。为此,提出了一种代价敏感超网络Boost......
骨科术后静脉血栓栓塞症是患者手术期死亡的主要原因之一,病人发病期一般无临床表现,血栓通过阻塞脏器动脉造成死亡。在美国近25%......
提出基于支持向量机的不平衡样本集分类算法，以支持向量机为基础，利用重采样技术及特征子空间等相关理论，通过分层抽样方法和重采样技......
随着信息技术和计算机技术的高速发展,如何从海量数据中挖掘有价值的信息是一项具有现实意义的工作,并得到了研究者的持续关注。其......
分类是数据挖掘方法中的一种重要手段,经典的分类算法通常基于数据样本分布大致均衡的前提,追求分类的总体准确率。然而现实应用中......
摘要：不平衡数据分类是机器学习研究的热点问题，传统分类算法假定不同类别具有平衡分布或误分代价相同，难以得到理想的分类结果．提出一......
在数据挖掘领域中,分类技术根据数据集中的数据训练出一个分类函数或构建出一个分类模型,对未知实例的类标号进行预测。在不平衡数......
不平衡数据分类是机器学习理论研究和实际应用面临的挑战问题之一,在医疗诊断、网络入侵检测、生物特征识别、故障检测、文本分类......
传统数据挖掘分类算法在不平衡数据集上分类效果不佳，可以将代价敏感思想与传统分类算法相结合解决不平衡数据分类问题.但在代价敏......
集成学习由于泛化能力强,被广泛应用于信息检索、图像处理、生物学等类别不平衡的场景。为了提高算法在不平衡数据上的分类效果,文......
中国英语学习者人数众多,迫切需要针对中国学生特点的、有效适用于大规模英文作文数据的全自动评分算法,以解决中国现有英语教学和......
传统分类算法一般要求数据集类别分布平衡,然而在实际情况中往往面临的是不平衡的类别分布。目前存在的数据层面和模型层面算法从......
基于图像的接触网异常检测中,鸟巢检测是其中一种典型的异常状况.但在接触网图像数据中含有鸟巢的图像只占总数据很小的一部分,属......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
在很多应用领域中,数据的类别分布不平衡,如何对其正确分类是数据挖掘和机器学习领域中的研究热点。经典的数据分类算法未考虑数据......
CBT（Computer Based Training）系统作为先进培训技术的重要组成部分，在民航业的飞行员培训和机务培训中具有重要作用。飞行CBT在国内......
传统的GentleAdaboost方法在处理不平衡数据集的分类问题时，通常采用过抽样方法，以达到数据集的平衡。但这样处理通常会引人难以分类......
ue＊M＃’＃dkB4＃＃8＃”专利申请号:00109“7公开号:1278062申请日:00.06.23公开日:00.12.27申请人地址:（100084川C京市海淀区清华园申请人:清......
近年来不平衡分类问题受到广泛关注。SMOTE过采样通过添加生成的少数类样本改变不平衡数据集的数据分布,是改善不平衡数据分类模型......
提出一种改进随机子空间与C4.5决策树算法相结合的分类算法。以C4.5算法构建决策树作为集成学习的基分类器,每次迭代初始,将SMOTE......
分类问题是实际应用中普遍存在的问题,也是机器学习领域的基础研究之一,快速发展的信息技术对其在理论研究和实际应用中提出了许多......
文中针对不平衡数据导致分类结果倾斜现象,提出了一种结合SMOTE和GEPSVM的分类方法。该方法利用SMOTE过采样重构训练集,使训练集达......
提出一种基于Bagging组合的不平衡数据分类方法CombineBagging,采用少数类过抽样算法SMOTE进行数据预处理,在此基础上利用C-SVM、......
