期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
应用于不平衡多分类问题的损失平衡函数
被引量：
13
1
作者
黄庆康
宋恺涛
陆建峰
《智能系统学报》
CSCD
北大核心
2019年第5期953-958,共6页
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试图从不同角度解决该问题,但面临着参数选择以及重复采样产生的额外计算等问题。针对此问题,提出了一种在...
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试图从不同角度解决该问题,但面临着参数选择以及重复采样产生的额外计算等问题。针对此问题,提出了一种在小批量内样本损失自适应均衡化的方法。该算法采用了一种动态学习损失函数的方式,根据小批量内样本标签信息调整各样本损失权重,从而实现在小批量内各类别样本总损失的平衡性。通过在caltech101和ILSVRC2014数据集上的实验表明,该算法能够有效地减少计算成本并提高分类精度,且一定程度上避免了过采样方法所带来的模型过拟合风险。
展开更多
关键词
不平衡
学习
不平衡
数据
分类
多分类不平衡
损失
平衡
不平衡
数据
分类
算法
不平衡
数据集
F1调和平均
卷积神经网络
深度学习
在线阅读
下载PDF
职称材料
题名
应用于不平衡多分类问题的损失平衡函数
被引量：
13
1
作者
黄庆康
宋恺涛
陆建峰
机构
南京理工大学计算机科学与工程学院
出处
《智能系统学报》
CSCD
北大核心
2019年第5期953-958,共6页
文摘
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试图从不同角度解决该问题,但面临着参数选择以及重复采样产生的额外计算等问题。针对此问题,提出了一种在小批量内样本损失自适应均衡化的方法。该算法采用了一种动态学习损失函数的方式,根据小批量内样本标签信息调整各样本损失权重,从而实现在小批量内各类别样本总损失的平衡性。通过在caltech101和ILSVRC2014数据集上的实验表明,该算法能够有效地减少计算成本并提高分类精度,且一定程度上避免了过采样方法所带来的模型过拟合风险。
关键词
不平衡
学习
不平衡
数据
分类
多分类不平衡
损失
平衡
不平衡
数据
分类
算法
不平衡
数据集
F1调和平均
卷积神经网络
深度学习
Keywords
imbalanced learning
imbalanced data classification
imbalanced multi-classification
loss balance
classificationalgorithm for imbalanced data
imbalanced dataset
F1 measure
convolutional neural networks
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
应用于不平衡多分类问题的损失平衡函数
黄庆康
宋恺涛
陆建峰
《智能系统学报》
CSCD
北大核心
2019
13
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
