工业控制计算机
工業控製計算機
공업공제계산궤
INDUSTRY CONTROL COMPUTER
2013年
12期
90-92
,共3页
Adaboost%SVM%分类%非平衡样本集%级联%分类效率%数据挖掘
Adaboost%SVM%分類%非平衡樣本集%級聯%分類效率%數據挖掘
Adaboost%SVM%분류%비평형양본집%급련%분류효솔%수거알굴
针对数据采集过程中的数据分布不平衡的问题,对非平衡数据应用数据挖掘分类算法进行分类.传统的分类器在处理非平衡数据时分类结果往往倾向于样本数目较多的类.但Adaboost算法在处理非平衡数据过程中表现出了优势,主要是对Adaboost算法进行改进和应用,采用级联的Adaboost分类器并结合SVM算法构造出分类效率更高的分类器.最后通过具体数据验证改进后算法的有效性.
針對數據採集過程中的數據分佈不平衡的問題,對非平衡數據應用數據挖掘分類算法進行分類.傳統的分類器在處理非平衡數據時分類結果往往傾嚮于樣本數目較多的類.但Adaboost算法在處理非平衡數據過程中錶現齣瞭優勢,主要是對Adaboost算法進行改進和應用,採用級聯的Adaboost分類器併結閤SVM算法構造齣分類效率更高的分類器.最後通過具體數據驗證改進後算法的有效性.
침대수거채집과정중적수거분포불평형적문제,대비평형수거응용수거알굴분류산법진행분류.전통적분류기재처리비평형수거시분류결과왕왕경향우양본수목교다적류.단Adaboost산법재처리비평형수거과정중표현출료우세,주요시대Adaboost산법진행개진화응용,채용급련적Adaboost분류기병결합SVM산법구조출분류효솔경고적분류기.최후통과구체수거험증개진후산법적유효성.
