计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2008年
9期
2369-2370,2374
,共3页
非平衡数据集%惩罚系数%序贯最小优化
非平衡數據集%懲罰繫數%序貫最小優化
비평형수거집%징벌계수%서관최소우화
为了解决Keerthi改进的序贯最小优化(SMO)算法在处理非平衡数据集时,整体分类性能较低、稳定性差等问题,对两个类别施加不同的惩罚系数的方法对算法作进一步改进,同时给出计算公式及算法步骤.实验结果表明,该算法不但提高了处理非平衡数据集的能力,也进一步提高了其稳定性.
為瞭解決Keerthi改進的序貫最小優化(SMO)算法在處理非平衡數據集時,整體分類性能較低、穩定性差等問題,對兩箇類彆施加不同的懲罰繫數的方法對算法作進一步改進,同時給齣計算公式及算法步驟.實驗結果錶明,該算法不但提高瞭處理非平衡數據集的能力,也進一步提高瞭其穩定性.
위료해결Keerthi개진적서관최소우화(SMO)산법재처리비평형수거집시,정체분류성능교저、은정성차등문제,대량개유별시가불동적징벌계수적방법대산법작진일보개진,동시급출계산공식급산법보취.실험결과표명,해산법불단제고료처리비평형수거집적능력,야진일보제고료기은정성.
