公共文化服务平台

共 5 条记录，以下是 1-6

全选清除导出

排序方式：

一种基于重取样的代价敏感学习算法被引量：2: 2011年; 大多数非均衡数据集的研究集中于纯重构数据集或者纯代价敏感学习,本文针对数据集类分布非均衡和不相等误分类代价往往同时发生这一事实,提出了一种以最小误分类代价为目标的基于混合重取样的代价敏感学习算法。该算法将两种不同类型解决方案有机地融合在一起,先用样本类空间重构的方法使原始数据集的两类数据达到基本均衡,然后再引入代价敏感学习算法进行分类,能提高少数类分类精度,同时有效降低总的误分类代价。实验结果验证了该算法在处理非均衡类问题时比传统算法要优越。; 谷琼袁磊宁彬熊启军华丽李文新; 关键词：非均衡数据集代价敏感学习

改进的主动学习算法及在高光谱分类中的应用被引量：5: 2013年; 针对主动学习算法能主动从大量未标记样本中选择最能提高分类器性能的样本加入训练集,可从小的非最优训练集建立高性能的分类器这一特点,以及传统主动学习算法熵值装袋查询的多值偏置问题,提出了改进的均值熵值装袋查询算法,引入权值函数保证了取样的多样性.通过对高光谱遥感图像分类的实验表明:主动学习只需大约20%的样本即可达到使用全部数据集作为训练集的分类效果,而且均值熵值装袋查询方法具有较高的分类精度,同时拥有较快的收敛速度.; 李宠谷琼蔡之华吴琼; 关键词：高光谱遥感图像分类

基于遗传算法改进的少数类样本合成过采样技术的非平衡数据集分类算法被引量：19: 2015年; 针对少数类样本合成过采样技术(SMOTE)在处理非平衡数据集分类问题时,为少数类的不同样本设置相同的采样倍率,存在一定的盲目性的问题,提出了一种基于遗传算法(GA)改进的SMOTE方法——GASMOTE。首先,为少数类的不同样本设置不同的采样倍率,并将这些采样倍率取值的组合编码为种群中的个体;然后,循环使用GA的选择、交叉、变异等算子对种群进行优化,在达到停机条件时获得采样倍率取值的最优组合;最后,根据找到的最优组合对非平衡数据集进行SMOTE采样。在10个典型的非平衡数据集上进行的实验结果表明:与SMOTE算法相比,GASMOTE在F-measure值上提高了5.9个百分点,在G-mean值上提高了1.6个百分点;与Borderline-SMOTE算法相比,GASMOTE在F-measure值上提高了3.7个百分点,在G-mean值上提高了2.3个百分点。该方法可作为一种新的解决非平衡数据集分类问题的过采样技术。; 霍玉丹谷琼蔡之华袁磊; 关键词：非平衡数据集遗传算法

基于非均衡数据集的代价敏感学习算法比较研究被引量：30: 2011年; 大多数非均衡数据集的研究集中于重构数据集或者代价敏感学习,针对数据集类分布非均衡和不相等误分类代价往往同时发生这一事实,在简要回顾代价敏感学习理论和现有学习算法的基础上,将所提出的自适应混合重取样算法,与基于最小误分类代价的MetaCost算法分别进行实验比较,实验表明所提出算法在代价敏感学习中具有一定的优势,实验结果显示非均衡类对代价敏感学习算法性能产生较大影响,当样本类别差异较大时,用样本类空间重构的方法可以得到较好的分类效果.; 谷琼袁磊熊启军宁彬李文新; 关键词：非均衡数据集代价敏感学习

自适应差分演化算法在图像监督分类中的应用: 2013年; 针对传统遥感图像分类算法存在约束条件多、容易陷入局部最优解、分类精度低的缺陷,提出了一种基于自适应差分演化的遥感分类新方法。实验结果表明,基于自适应差分演化的遥感图像分类算法在分类精度上优于传统方法,在收敛速度上优于标准的差分演化分类算法,其分类精度和Kappa系数分别达到了92.66%和0.901 7。; 吴佳蔡之华金晓文; 关键词：自适应差分演化遥感图像演化算法

A research on balancing exploitation and exploration of Evolutionary Algorithms: ＜正＞This paper presents a new algorithm named DIPSCMEA to balance the exploration and exploitation of Evolution...; Liling Nan Faculty of Computer Science China University of Geosciences Wuhan; 关键词：COMPONENT EXPLOITATION EXPLORATION DIVERSITY; 文献传递

全选清除导出

共1页<1>

国家自然科学基金(61075063)