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
2
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
代价敏感惩罚AdaBoost算法的非平衡数据分类
被引量：
13
1
作者
鲁淑霞
张振莲
翟俊海
《南京航空航天大学学报》
CAS
CSCD
北大核心
2023年第2期339-346,共8页
针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向...
针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机(Support vector machine,SVM)优化模型作为基分类器,采用带有方差减小的随机梯度下降方法(Stochastic variance reduced gradient,SVRG)对优化模型进行求解。对比实验表明,本文提出的算法不但在几何均值(G-mean)和ROC曲线下的面积(Area under ROC curve,AUC)上明显优于其他算法,而且获得了较大的平均间隔,显示了本文算法在处理非平衡数据分类问题上的有效性。
展开更多
关键词
非平衡数据
惩罚AdaBoost
自适应代价敏感函数
平均间隔
随机梯度下降
在线阅读
下载PDF
职称材料
基于最优间隔的AdaBoost_(v)算法的非平衡数据分类
被引量：
3
2
作者
鲁淑霞
张振莲
《计算机科学》
CSCD
北大核心
2021年第11期184-191,共8页
为了解决非平衡数据分类问题,提出了一种基于最优间隔的AdaBoost v算法。该算法采用改进的SVM作为基分类器,在SVM的优化模型中引入间隔均值项,并根据数据非平衡比对间隔均值项和损失函数项进行加权;采用带有方差减小的随机梯度方法(Stoc...
为了解决非平衡数据分类问题,提出了一种基于最优间隔的AdaBoost v算法。该算法采用改进的SVM作为基分类器,在SVM的优化模型中引入间隔均值项,并根据数据非平衡比对间隔均值项和损失函数项进行加权;采用带有方差减小的随机梯度方法(Stochastic Variance Reduced Gradient,SVRG)对优化模型进行求解,以加快收敛速度。所提基于最优间隔的AdaBoost v算法在样本权重更新公式中引入了一种新的自适应代价敏感函数,赋予少数类样本、误分类的少数类样本以及靠近决策边界的少数类样本更高的代价值;另外,通过结合新的权重公式以及引入给定精度参数v下的最优间隔的估计值,推导出新的基分类器权重策略,进一步提高了算法的分类精度。对比实验表明,在线性和非线性情况下,所提基于最优间隔的AdaBoost v算法在非平衡数据集上的分类精度优于其他算法,且能获得更大的最小间隔。
展开更多
关键词
非平衡数据
SVRG
AdaBoost_(v)
最优间隔
自适应代价敏感函数
在线阅读
下载PDF
职称材料
题名
代价敏感惩罚AdaBoost算法的非平衡数据分类
被引量：
13
1
作者
鲁淑霞
张振莲
翟俊海
机构
河北大学数学与信息科学学院
出处
《南京航空航天大学学报》
CAS
CSCD
北大核心
2023年第2期339-346,共8页
基金
河北省科技计划重点研发项目(19210310D)
河北省自然科学基金(F2021201020)。
文摘
针对非平衡数据分类问题,提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中,引入一种新的自适应代价敏感函数,赋予少数类样本及分错的少数类样本更高的代价值,并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机(Support vector machine,SVM)优化模型作为基分类器,采用带有方差减小的随机梯度下降方法(Stochastic variance reduced gradient,SVRG)对优化模型进行求解。对比实验表明,本文提出的算法不但在几何均值(G-mean)和ROC曲线下的面积(Area under ROC curve,AUC)上明显优于其他算法,而且获得了较大的平均间隔,显示了本文算法在处理非平衡数据分类问题上的有效性。
关键词
非平衡数据
惩罚AdaBoost
自适应代价敏感函数
平均间隔
随机梯度下降
Keywords
imbalanced data
penalized AdaBoost
adaptive cost sensitive function
average margin
stochastic variance reduced gradient(SVRG)
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
基于最优间隔的AdaBoost_(v)算法的非平衡数据分类
被引量：
3
2
作者
鲁淑霞
张振莲
机构
河北大学数学与信息科学学院
河北省机器学习与计算智能重点实验室
出处
《计算机科学》
CSCD
北大核心
2021年第11期184-191,共8页
基金
国家自然科学基金项目(61672205)
河北省科技计划重点研发项目(19210310D)。
文摘
为了解决非平衡数据分类问题,提出了一种基于最优间隔的AdaBoost v算法。该算法采用改进的SVM作为基分类器,在SVM的优化模型中引入间隔均值项,并根据数据非平衡比对间隔均值项和损失函数项进行加权;采用带有方差减小的随机梯度方法(Stochastic Variance Reduced Gradient,SVRG)对优化模型进行求解,以加快收敛速度。所提基于最优间隔的AdaBoost v算法在样本权重更新公式中引入了一种新的自适应代价敏感函数,赋予少数类样本、误分类的少数类样本以及靠近决策边界的少数类样本更高的代价值;另外,通过结合新的权重公式以及引入给定精度参数v下的最优间隔的估计值,推导出新的基分类器权重策略,进一步提高了算法的分类精度。对比实验表明,在线性和非线性情况下,所提基于最优间隔的AdaBoost v算法在非平衡数据集上的分类精度优于其他算法,且能获得更大的最小间隔。
关键词
非平衡数据
SVRG
AdaBoost_(v)
最优间隔
自适应代价敏感函数
Keywords
Imbalanced data
SVRG
AdaBoost v
Optimum margin
Adaptive cost sensitive function
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
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
代价敏感惩罚AdaBoost算法的非平衡数据分类
鲁淑霞
张振莲
翟俊海
《南京航空航天大学学报》
CAS
CSCD
北大核心
2023
13
在线阅读
下载PDF
职称材料
2
基于最优间隔的AdaBoost_(v)算法的非平衡数据分类
鲁淑霞
张振莲
《计算机科学》
CSCD
北大核心
2021
3
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
