模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2011年
6期
763-768
,共6页
陶卿%梁万路%孔康%汪群山
陶卿%樑萬路%孔康%汪群山
도경%량만로%공강%왕군산
非平衡数据问题%代价敏感分类%加权边缘%支持向量机%贝叶斯一致性
非平衡數據問題%代價敏感分類%加權邊緣%支持嚮量機%貝葉斯一緻性
비평형수거문제%대개민감분류%가권변연%지지향량궤%패협사일치성
已有的非平衡数据分类算法主要采取直接对损失函数进行加权的方法.文中提出一种加权边缘的hinge 损失函数并证明它的贝叶斯一致性,得到加权边缘支持向量机算法(WMSVM),并给出类似于SMO的求解方法.实验结果表明WMSVM在一些数据库上是有效的,从而从理论和实验上说明基于加权边缘的损失函数方法是已有代价敏感方法的一种较好补充.
已有的非平衡數據分類算法主要採取直接對損失函數進行加權的方法.文中提齣一種加權邊緣的hinge 損失函數併證明它的貝葉斯一緻性,得到加權邊緣支持嚮量機算法(WMSVM),併給齣類似于SMO的求解方法.實驗結果錶明WMSVM在一些數據庫上是有效的,從而從理論和實驗上說明基于加權邊緣的損失函數方法是已有代價敏感方法的一種較好補充.
이유적비평형수거분류산법주요채취직접대손실함수진행가권적방법.문중제출일충가권변연적hinge 손실함수병증명타적패협사일치성,득도가권변연지지향량궤산법(WMSVM),병급출유사우SMO적구해방법.실험결과표명WMSVM재일사수거고상시유효적,종이종이론화실험상설명기우가권변연적손실함수방법시이유대개민감방법적일충교호보충.
