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. 不平衡分类综述

  2. 综述了类别不平衡分类问题的已有各种技术。如果快速进入类别不平衡领域，这是一篇好文章。该文章得到了国内同行的关注。

  3. 所属分类：电子商务

    • 发布日期：2012-03-07
    • 文件大小：423936
    • 提供者：asu_wym

  1. 类别不平衡分类

  2. 类别不平衡分类问题分析，数据挖掘方面内容

  3. 所属分类：其它

    • 发布日期：2012-10-31
    • 文件大小：556032
    • 提供者：yetta153

  1. 类别不平衡的分类方法及在生物信息学中的应用

  2. 出一种处理正反例不平衡的分类方法，以解决生物信息学中的snoRNA识别、microRNA前 体判别、SNP位点的真伪识别等问题．利用集成学习的思想，将反例集均匀分割并依次与正例集组合， 得到一组类别平衡的训练集．

  3. 所属分类：其它

    • 发布日期：2012-12-10
    • 文件大小：556032
    • 提供者：jessiejessie77

  1. 数据挖掘之不均衡建模问题

  2. 在实际情况中我们常常需要在数据分布不均衡的情况下进行建模分析，本文总结了常见的针对数据不平衡问题建模的方法。

  3. 所属分类：机器学习

    • 发布日期：2018-05-04
    • 文件大小：1048576
    • 提供者：weixin_37447415

  1. 基于类别不平衡手机加速度传感器数据的人体行为识别

  2. 一个关于人体行为识别的PPT，使用公开的数据集，使用不平衡学习的方法与经典的机器学习方法进行比较。

  3. 所属分类：机器学习

    • 发布日期：2018-06-21
    • 文件大小：9437184
    • 提供者：florida_tang

  1. 关于卷积神经网络中类不平衡问题的综述

  2. 2017年的一篇综述论文，系统阐述了在卷积神经网络中的类别不平衡问题，以及对比了几种常用的解决方法，并在MNIST、CIFAR-10和ImageNet数据集上进行结果对比。

  3. 所属分类：深度学习

    • 发布日期：2019-01-08
    • 文件大小：3145728
    • 提供者：tianrolin

  1. KEEL类别不平衡数据集.rar

  2. 本资源为KEEL不平衡数据集，数据集的不平衡率从1点几到几百不等，非常适合做不平衡数据分类的研究，数据集为各行各业的真实数据集。

  3. 所属分类：机器学习

    • 发布日期：2020-09-08
    • 文件大小：6291456
    • 提供者：zizhuangzhuang

  1. 关于pytorch处理类别不平衡的问题

  2. 今天小编就为大家分享一篇关于pytorch处理类别不平衡的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

  3. 所属分类：其它

    • 发布日期：2020-09-18
    • 文件大小：41984
    • 提供者：weixin_38636983

  1. 不平衡数据加权集成学习算法

  2. 针对传统的机器学习算法对不平衡数据集的少类分类准确率不高的问题，基于支持向量机和模糊聚类，提出一种不平衡数据加权集成学习算法。首先提出加权支持向量机模型（Weighted Support Vector Machine，WSVM），该模型根据不同类别数据所占比例的不同，为各类别分配不同的权重，然后将WSVM与模糊聚类结合提出一种新的集成学习算法。将本文提出的算法应用于人造数据集和UCI数据集实验中，实验结果表明，所提出的算法能够有效地解决不平衡数据的分类问题，具有更好的分类性能。

  3. 所属分类：其它

    • 发布日期：2020-10-17
    • 文件大小：1048576
    • 提供者：weixin_38645373

  1. 关于pytorch处理类别不平衡的问题

  2. 当训练样本不均匀时，我们可以采用过采样、欠采样、数据增强等手段来避免过拟合。今天遇到一个3d点云数据集合，样本分布极不均匀，正例与负例相差4-5个数量级。数据增强效果就不会太好了，另外过采样也不太合适，因为是空间数据，新增的点有可能会对真实分布产生未知影响。所以采用欠采样来缓解类别不平衡的问题。 下面的代码展示了如何使用WeightedRandomSampler来完成抽样。 numDataPoints = 1000 data_dim = 5 bs = 100 # Create dummy d

  3. 所属分类：其它

    • 发布日期：2020-12-23
    • 文件大小：45056
    • 提供者：weixin_38560039

  1. 数据挖掘：数据清洗——数据不平衡处理

  2. 数据挖掘：数据清洗——数据不平衡处理 一、什么是数据不平衡？ 不平衡数据集指的是数据集各个类别的样本数目相差巨大，也叫数据倾斜。以二分类问题为例，即正类的样本数量远大于负类的样本数量。严格地讲，任何数据集上都有数据不平衡现象，一点的差异不会引起太多的影响，我们只关注那些分布差别比较悬殊的。 关于分布悬殊：如果类别不平衡比例超过4:1，那么其分类器会大大地因为数据不平衡性而无法满足分类要求的。因此在构建分类模型之前，需要对分类不均衡性问题进行处理。 不平衡数据的学习即需要在分布不均匀的数据集中学

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：590848
    • 提供者：weixin_38660731

  1. dualbalance:双重平衡-源码

  2. 双重平衡 “ DubalBalance：通过类间和类内平衡实现鲁棒的不平衡多类分类” （提交给ACM SIGKDD 2021） DupleBalance是用于不平衡的多类分类的整体学习框架。它是解决多类不平衡学习问题的易于使用的解决方案，具有良好的性能，计算效率以及与不同学习模型的广泛兼容性。 目录 背景 从偏斜的数据集学习分类器，即类不平衡学习，是数据挖掘中一个重要且常见的问题。不幸的是，现有方法经常遭受性能不令人满意，计算成本高或缺乏适应性的困扰。他们忽略了需要同时考虑的两种不平衡：来自

  3. 所属分类：其它

    • 发布日期：2021-03-18
    • 文件大小：3145728
    • 提供者：weixin_42135462

  1. 提高加权ELM以实现不平衡学习

  2. 用于单层前馈神经网络（SLFN）的极限学习机（ELM）是一种强大的机器学习技术，并且以其快速的学习速度和良好的泛化性能而受到关注。 最近，提出了加权ELM来处理具有不平衡类分布的数据。 加权ELM的关键本质是为每个训练样本分配了额外的权重。 尽管提供了一些经验加权方案，但是如何确定更好的样本权重仍然是一个悬而未决的问题。 在本文中，我们提出了一种Boosting加权ELM，它将加权ELM无缝地嵌入到经过修改的AdaBoost框架中，以解决上述问题。 直观地，反映训练样本重要性的AdaBoost框

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：572416
    • 提供者：weixin_38506182

  1. 基于双重注意的细粒度白细胞识别，用于不平衡的显微图像

  2. 用于医学图像的传统临床诊断辅助系统正面临可靠性和可解释性的挑战。 人工智能具有通过快速遍历医学图像和有效分类来推动疾病诊断方法发生变化的潜力。 然而，人工智能在医学图像领域的应用仍然面临挑战。 我们的方法结合了注意力的多种方式，这些方式考虑了图像中最有区别的部分。 所提出的分类方法在具有40个白细胞类别的显微图像数据集上进行测试，在测试过程中，其top-1准确性达到84.21％，top-5准确性达到99.44％。 并且在皮肤镜图像数据集上的实验表明，我们的方法在多种成像方式上都具有良好的泛化能力

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：966656
    • 提供者：weixin_38583278

  1. 大型成本敏感型利润分配机，用于不平衡数据分类

  2. 本文开发了成本敏感的保证金分布学习方法，并提出了对成本敏感的大保证金。分配机（LCSDM）用于在不平衡的训练数据上获得平衡的检测率。 最近，margin.theory显示，与单个margin相比，margin分布对于泛化性能更为关键。 大边距分配机（LDM）旨在获得出色的分类性能和强大的泛化性能。 但是，LDM通常在不平衡训练数据的两个类之间具有不平衡的余量分布。 这通常导致少数族裔类别的低检测率，这与许多实际应用中对少数族裔类别的高检测率的需求相矛盾。 因此，提出了成本敏感的保证金分布学习方法

  3. 所属分类：其它

    • 发布日期：2021-03-14
    • 文件大小：939008
    • 提供者：weixin_38716590

  1. 面向不平衡问题的集成特征选择

  2. 传统的特征选择方法基本上是以精度为优化目标,没有充分考虑数据样本类别分布倾斜性,在数据分布不平衡的数据集上性能表现不理想。在不平衡数据集上通过有放回的抽样方法独立地从数据集大类样本集中随机抽取多个样本子集,使每次随机抽取的样本数量与小类样本数量一致,然后将各抽取的样本子集分别与小类样本集组合成多个新的训练样本集。对多个新样本集的特征子集以集成学习的方式采用投票机制进行投票,数据集的最终特征子集以得票数目超过半数的特征共同组合而成。在UCI不平衡数据集上的实验结果显示,提出的方法表现出了较好的性能

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：270336
    • 提供者：weixin_38577200

  1. 基于一趟聚类的不平衡数据下抽样算法

  2. 抽样是处理不平衡数据集的一种常用方法,其主要思想是改变类别的分布,缩小稀有类与多数类的分布比例差距.提出一种基于一趟聚类的下抽样方法,根据聚类后簇的特征与数据倾斜程度确定抽样比例,按照每个簇的抽样比例对该簇进行抽样,密度大的簇少抽,密度小的簇多抽或全抽.在压缩数据集的同时,保证了少数类的数量.实验结果表明,本文提出的抽样方法使不平衡数据样本具有较高的代表性,聚类与分类性能得到了提高.

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：244736
    • 提供者：weixin_38727087

  1. 很棒的不平衡学习：精选的很棒的不平衡学习论文，代码，框架和库的列表。 |类别不平衡学习：论文，代码，框架与库-源码

  2. 很棒的不平衡学习：精选的很棒的不平衡学习论文，代码，框架和库的列表。 |类别不平衡学习：论文，代码，框架与库

  3. 所属分类：其它

    • 发布日期：2021-01-31
    • 文件大小：13312
    • 提供者：weixin_42168750

  1. 网络应用流类别不平衡环境下的SSL加密应用流识别关键技术

  2. 通过深入研究网络类别不平衡的原因，选择SMOTE（synthetic minority over-sampling technique）过抽样方法对数据集进行预处理，并充分利用特征匹配高准确性的优点识别和分拣出SSL 加密流，进而利用基于互信息最大化的聚类方法和SVM分类方法进一步识别SSL加密应用，这种混合方法有效地结合了静态特征匹配和机器学习方法的优点，达到识别分类方法在准确性和识别速度的均衡。

  3. 所属分类：其它

    • 发布日期：2021-01-19
    • 文件大小：1048576
    • 提供者：weixin_38640985

  1. 不平衡数据分类方法综述

  2. 随着信息技术的快速发展,各领域的数据正以前所未有的速度产生并被广泛收集和存储,如何实现数据的智能化处理从而利用数据中蕴含的有价值信息已成为理论和应用的研究热点.数据分类作为一种基础的数据处理方法,已广泛应用于数据的智能化处理.传统分类方法通常假设数据类别分布均衡且错分代价相等,然而,现实中的数据通常具有不平衡特性,即某一类的样本数量要小于其他类的样本数量,且少数类具有更高错分代价.当利用传统的分类算法处理不平衡数据时,由于多数类和少数类在数量上的倾斜,以总体分类精度最大为目标会使得分类模型偏向于

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：1048576
    • 提供者：weixin_38550334
« 12 3 4 5 6 »