计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2011年
14期
178-179,182
,共3页
Bagging组合%不平衡数据分类%支持向量机%神经网络%Random Forests算法
Bagging組閤%不平衡數據分類%支持嚮量機%神經網絡%Random Forests算法
Bagging조합%불평형수거분류%지지향량궤%신경망락%Random Forests산법
提出一种基于Bagging组合的不平衡数据分类方法CombineBagging,采用少数类过抽样算法SMOTE进行数据预处理,在此基础上利用C-SVM、径向基函数神经网络、Random Forests 3种不同的基分类器学习算法,分别对采样后的数据样本进行Bagging集成学习,通过投票规则集成学习结果.实验结果表明,该方法能够提高少数类的分类准确率,有效处理不平衡数据分类问题.
提齣一種基于Bagging組閤的不平衡數據分類方法CombineBagging,採用少數類過抽樣算法SMOTE進行數據預處理,在此基礎上利用C-SVM、徑嚮基函數神經網絡、Random Forests 3種不同的基分類器學習算法,分彆對採樣後的數據樣本進行Bagging集成學習,通過投票規則集成學習結果.實驗結果錶明,該方法能夠提高少數類的分類準確率,有效處理不平衡數據分類問題.
제출일충기우Bagging조합적불평형수거분류방법CombineBagging,채용소수류과추양산법SMOTE진행수거예처리,재차기출상이용C-SVM、경향기함수신경망락、Random Forests 3충불동적기분류기학습산법,분별대채양후적수거양본진행Bagging집성학습,통과투표규칙집성학습결과.실험결과표명,해방법능구제고소수류적분류준학솔,유효처리불평형수거분류문제.
