不平衡数据集的特点导致了在分类时产生了诸多难题. 对不平衡数据集的分类方法进行了分析与
总结. 在数据采样方法中从欠采样, 过采样和混合采样三方面介绍不平衡数据集的分类方法; …

社会发展的同时带来大量数据的产生, 不平衡成为众多数据集的显著特点, 如何使不平衡数据集
得到更好的分类效果成为了机器学习的研究热点. 基于此, 对目前存在的不平衡数据集分类方法 …

不平衡数据分类问题目前已成为数据挖掘和机器学习的研究热点. 文中提出一类基于聚类融合的
不平衡数据分类方法, 旨在解决传统分类方法对少数类的识别率较低的问题. 该方法通过引入" …

由于不平衡数据集的内在固有特性, 使得分类结果常受数量较多的类别影响, 造成分类性能下降.
近年来, 为了能够从类别不平衡的数据集中学习数据的内在规律并且挖掘其潜在的价值 …

不平衡数据集的分类方法研究-[维普官方网站]-www.cqvip.com-维普网  我的维普 购物车 充值
客服 首页 | 期刊大全 | 文献分类 | 优先出版 | 论文检测 | 论文选题 | 在线分享 | 会议平台 | 学术机构 …

不平衡数据集在现实生活中广泛存在. 在不平衡数据集中, 数量上处于劣势的小类的识别往往是
分类的重点. 不平衡数据集中, 小类样本的分布比较稀疏, 并且往往被大量大类样本所包围 …

分类问题是机器学习领域的重要研究内容之一, 现有的一些分类方法都已经相对成熟,
用它们来对平衡数据进行分类一般都能取得较好的分类性能, 但在现实世界中数据往往都是不 …

不平衡数据分类的研究现状-[维普官方网站]-www.cqvip.com-维普网  我的维普 购物车 充值 客服
首页 | 期刊大全 | 文献分类 | 优先出版 | 论文检测 | 论文选题 | 在线分享 | 会议平台 | 学术机构 您的 …

不平衡数据的分类问题在多个应用领域中普遍存在, 已成为数据挖掘和机器学习领域的研究热点
. 提出了一种新的不平衡数据分类方法RSBoost, 以解决传统分类方法对于少数类识别率不高和 …

在面对现实中广泛存在的不平衡数据分类问题时, 大多数传统分类算法假定数据集类分布是平衡
的, 分类结果偏向多数类, 效果不理想. 为此, 提出了一种基于聚类融合欠抽样的改进AdaBoost …