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
基于SVM的高维不平衡数据集分类算法
被引量：
3
1
作者
赵小强
张露
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2018年第2期452-461,共10页
由于数据量的不断增长,出现了大量的不平衡高维数据,传统的数据挖掘分类算法在处理这些数据时,易受到样本分布和维数的影响,存在分类性能不佳的问题.提出一种针对不平衡高维数据集的改进支持向量机(Supported Vector Machine,SVM)分类算...
由于数据量的不断增长,出现了大量的不平衡高维数据,传统的数据挖掘分类算法在处理这些数据时,易受到样本分布和维数的影响,存在分类性能不佳的问题.提出一种针对不平衡高维数据集的改进支持向量机(Supported Vector Machine,SVM)分类算法,首先通过核函数将数据集映射到特征空间中,再引入改进的核SMOTE(Kernel Synthetic Minority Over-sampling Technique)算法而得到正类样本,使两类样本数目平衡化;然后将维数高的数据集通过稀疏表示的方法投影到低维的空间中,实现降维;最后根据空间的距离关系来确定在输入空间中合成样本的原像,再对得到的平衡样本集通过SVM来分类,通过仿真实验验证了该算法对于高维不平衡数据集有较优的分类性能.
展开更多
关键词
高维不平衡数据集
分类算法
支持向量机(SVM)
核SMOTE
稀疏表示
在线阅读
下载PDF
职称材料
面向高维不平衡数据的特征选择算法
被引量：
2
2
作者
王振飞
袁佩瑶
+1 位作者
曹中亚
张利莹
《小型微型计算机系统》
CSCD
北大核心
2024年第8期1839-1846,共8页
针对传统高维不平衡数据集的分类算法存在偏向多数类、忽视少数类等问题,本文提出一种基于密度聚类和重要性度量的特征选择算法(DBIM).首先通过随机降采样的方法构造出多个平衡子集,使用DBSCAN密度聚类方法作为基分类器生成初始特征子空...
针对传统高维不平衡数据集的分类算法存在偏向多数类、忽视少数类等问题,本文提出一种基于密度聚类和重要性度量的特征选择算法(DBIM).首先通过随机降采样的方法构造出多个平衡子集,使用DBSCAN密度聚类方法作为基分类器生成初始特征子空间.然后按照重要度对特征进行排序选择出较强分类的特征.最后,为了避免特征之间的冗余性,设计基于类分布的权重指标与冗余性评价指标相结合的方法进行计算,生成高质量的特征子集.在8个公开数据集上的实验结果表明,本文提出DBIM算法可以生成高相关度且低冗余度的特征子集,对高维不平衡数据集进行有效降维,提高分类性能.
展开更多
关键词
高维不平衡数据集
密度聚类
特征选择
相关性
冗余性
在线阅读
下载PDF
职称材料
题名
基于SVM的高维不平衡数据集分类算法
被引量：
3
1
作者
赵小强
张露
机构
兰州理工大学电气工程与信息工程学院
甘肃省工业过程先进控制重点实验室
兰州理工大学电气与控制工程国家级实验教学示范中心
出处
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2018年第2期452-461,共10页
基金
国家自然科学基金(61763029
61370037)
甘肃省基础研究创新群体(1506RJIA031)
文摘
由于数据量的不断增长,出现了大量的不平衡高维数据,传统的数据挖掘分类算法在处理这些数据时,易受到样本分布和维数的影响,存在分类性能不佳的问题.提出一种针对不平衡高维数据集的改进支持向量机(Supported Vector Machine,SVM)分类算法,首先通过核函数将数据集映射到特征空间中,再引入改进的核SMOTE(Kernel Synthetic Minority Over-sampling Technique)算法而得到正类样本,使两类样本数目平衡化;然后将维数高的数据集通过稀疏表示的方法投影到低维的空间中,实现降维;最后根据空间的距离关系来确定在输入空间中合成样本的原像,再对得到的平衡样本集通过SVM来分类,通过仿真实验验证了该算法对于高维不平衡数据集有较优的分类性能.
关键词
高维不平衡数据集
分类算法
支持向量机(SVM)
核SMOTE
稀疏表示
Keywords
high-dimensional and imbalance data, classification algorithm, Support Vector Machine（SVM）, KSMOTE（Kernel Synthetic Minority Over-sampling Technique）,sparse representation
分类号
TP274 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
面向高维不平衡数据的特征选择算法
被引量：
2
2
作者
王振飞
袁佩瑶
曹中亚
张利莹
机构
郑州大学计算机与人工智能学院
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第8期1839-1846,共8页
基金
国家自然科学基金项目(62276238)资助.
文摘
针对传统高维不平衡数据集的分类算法存在偏向多数类、忽视少数类等问题,本文提出一种基于密度聚类和重要性度量的特征选择算法(DBIM).首先通过随机降采样的方法构造出多个平衡子集,使用DBSCAN密度聚类方法作为基分类器生成初始特征子空间.然后按照重要度对特征进行排序选择出较强分类的特征.最后,为了避免特征之间的冗余性,设计基于类分布的权重指标与冗余性评价指标相结合的方法进行计算,生成高质量的特征子集.在8个公开数据集上的实验结果表明,本文提出DBIM算法可以生成高相关度且低冗余度的特征子集,对高维不平衡数据集进行有效降维,提高分类性能.
关键词
高维不平衡数据集
密度聚类
特征选择
相关性
冗余性
Keywords
high dimensional unbalanced dataset
density clustering
feature selection
correlation
redundancy
分类号
TP18 [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
基于SVM的高维不平衡数据集分类算法
赵小强
张露
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2018
3
在线阅读
下载PDF
职称材料
2
面向高维不平衡数据的特征选择算法
王振飞
袁佩瑶
曹中亚
张利莹
《小型微型计算机系统》
CSCD
北大核心
2024
2
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
