注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 代价敏感支持向量机(CSSVM)

  2. 代价敏感支持向量机学习材料,各位朋友有这方面的材料多多上传啊。

  3. 所属分类：软件测试

    • 发布日期：2011-07-28
    • 文件大小：357376
    • 提供者：qq131415qq

  1. 代价敏感支持向量机（CSSVM）

  2. 代价敏感支持向量机的学习材料，希望大家多多交流啊。

  3. 所属分类：软件测试

    • 发布日期：2011-07-28
    • 文件大小：460800
    • 提供者：qq131415qq

  1. 偏置b对支持向量机分类问题泛化性能的影响

  2. Poggio 指出支持向量机(Support vector machine, SVM) 中偏置b 项是为了保证核函数的正定性, 当使用的核函数 为正定核时, b 就不需要存在. 为了验证b 对SVM 分类问题泛化性能的影响, 研究了无b SVM 的优化问题并给出了相应的有 效集求解算法. 通过XOR 分类问题的实验研究得出约束条件PN 1 yi®i = 0 会影响SVM 得到最佳分类超平面. 实验中的基 准数据集包括了中小数据集、大规模数据集、高维数据集和多类分类数据集, 并使用高斯正定核和多

  3. 所属分类：专业指导

    • 发布日期：2013-08-10
    • 文件大小：420864
    • 提供者：wutiebing81

  1. Cost-sensitive Support Vector Machines

  2. 代价敏感支持向量机 A new procedure for learning cost-sensitive SVM(CS-SVM) classifiers is proposed. The SVM hinge loss is extended to the cost sensitive setting, and the CS-SVM is derived as the minimizer of the associated risk. The extension of the hinge lo

  3. 所属分类：机器学习

    • 发布日期：2019-02-01
    • 文件大小：1048576
    • 提供者：hacker2009

  1. 机器学习算法基础学习总结

  2. 机器学习算法基础学习总结2.基本算法 2.1 Logistic回归 优点:计算代价不高,易于理解和实现。 缺点:容易欠拟合,分类精度可能不高 适用数据类型:数值型和标称型数据。 类别:分类算法。 试用场景:解决二分类问题。 简述: Logistic回归算法基于 Sigmoid函数,或者说 Sigmoid就是逻辑回归函数。 Sigmoid函数定义如下:1/(1-exp(-z))。函数值域范围(0,1)。可以用来做分 类器。 Sigmoid函数的函数曲线如下: 逻辑凹归模型分解如下:(1)首先将不同

  3. 所属分类：机器学习

    • 发布日期：2019-07-02
    • 文件大小：312320
    • 提供者：abacaba

  1. 代价敏感的随机森林

  2. 关于代价敏感随机森林的参考文章，主要针对非平衡的数据集

  3. 所属分类：机器学习

    • 发布日期：2019-03-04
    • 文件大小：31457280
    • 提供者：xiaomifengweng

  1. 基于误分类模式的乳腺癌诊断研究

  2. 乳腺癌已经成为当今世界影响妇女健康的重要疾病。对于乳腺癌诊断来说，当一个恶性病例被误分类为良性病例的时候，其代价远远大于一个良性病例被误分类为恶性病例。它利用数据挖掘领域的代价敏感相关方法，建立一个识别良性乳腺肿瘤和恶性乳腺肿瘤的诊断预测系统。在建模过程中充分考虑到误分类代价的因素，提出了误分类代价策略。通过一系列实验验证了所建立的模型。从实验结果来看，Adaboost与SVM的误分类组合分类算法在正确率和总误分类代价两个评估指标上得到了良好的效果。

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：337920
    • 提供者：weixin_38554186

  1. 代价敏感支持向量机

  2. 以分类精度为目标的传统分类算法通常假定:每个样本的误分类具有同样的代价且每类样本数大致相等.但现实数据挖掘中该假定不成立时,这些算法的直接应用不能取得理想的分类和预测.针对此缺隙,并基于标准的SVM,通过在SVM的设计中集成样本的不同误分类代价,提出代价敏感支持向量机(CS-SVM)的设计方法.实验结果表明CS-SVM是有效的.

  3. 所属分类：其它

    • 发布日期：2021-01-15
    • 文件大小：351232
    • 提供者：weixin_38737283

  1. 基于改进的QBC和CS-SVM的故障检测

  2. 针对复杂工业过程样本集中的类不平衡、样本标注代价昂贵和样本孤点的问题, 研究基于委员会投票选择(MQBC) 和代价敏感支持向量机(CS-SVM) 的故障检测方法. 给出未标注样本信息度的定义, 提出改进的委员会投票选择算法. 主动代价敏感学习通过MQBC选择信息度高的未标注样本对其标注并添加到训练集. CS-SVM 将不同类样本的误分类赋予不同的误分类代价, 从而提高CS-SVM 的故障检测率. 最后, 以铜闪速熔炼过程为例，实验结果验证了所提出方法的有效性.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：203776
    • 提供者：weixin_38574410

  1. 嵌入非对称拒识代价的二元分类算法

  2. 针对传统分类算法隐含的假设(相信并且接受每个样本的分类结果) 在医疗/故障诊断和欺诈/入侵检测等领 域中并不适用的问题, 提出嵌入非对称拒识代价的二元分类问题, 并对其进行简化. 在此基础上设计出基于支持向量 机(SVM) 的代价敏感分类算法(CSVM-CRC). 该算法包括训练SVM分类器、计算后验概率、估计分类可靠性和确定 最优拒识阈值4 个步骤. 基于10 个Benchmark 数据集的实验研究表明, CSVM-CRC 算法能够有效降低平均代价

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：324608
    • 提供者：weixin_38741195