期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
MetaCost与重采样结合的不平衡分类算法——RS-MetaCost
被引量：
1
1
作者
邹春安
王嘉宝
付光辉
《软件导刊》
2022年第3期34-41,共8页
不平衡分类是当今机器学习中的研究热点与难点。为提高不平衡数据的分类效果,提出MetaCost与重采样结合的不平衡分类算法——RS-MetaCost。首先在MetaCost划分子集前对不平衡数据集进行重采样,即过采样少数类或欠采样多数类,以降低或消...
不平衡分类是当今机器学习中的研究热点与难点。为提高不平衡数据的分类效果,提出MetaCost与重采样结合的不平衡分类算法——RS-MetaCost。首先在MetaCost划分子集前对不平衡数据集进行重采样,即过采样少数类或欠采样多数类,以降低或消除数据不平衡程度;其次在预测概率阶段,利用m-estimation提高少数类预测概率。采用6组模拟数据集与10组实例数据集,将RS-MetaCost与经典算法进行比较实验。结果表明,在大多数数据集上,RS-MetaCost在保证整体分类精度很高的前提下,还能提高少数类的分类精度,且过采样下的RS-MetaCost优于欠采样下的RS-MetaCost。
展开更多
关键词
不平衡分类
metacost
重采样
M-ESTIMATION
在线阅读
下载PDF
职称材料
一种新的多分类代价敏感算法
被引量：
2
2
作者
邓少军
冯少荣
林子雨
《厦门大学学报（自然科学版）》
CAS
CSCD
北大核心
2017年第2期231-236,共6页
为了提高代价敏感分类算法MetaCost的准确率,降低错分代价,提出了多类别问题下的一种代价敏感分类算法(简称D-MetaCost算法).该算法利用MetaCost算法,通过多次取样生成多个模型,依据它们的分类准确率,选择其中准确率较高的前几个基分类...
为了提高代价敏感分类算法MetaCost的准确率,降低错分代价,提出了多类别问题下的一种代价敏感分类算法(简称D-MetaCost算法).该算法利用MetaCost算法,通过多次取样生成多个模型,依据它们的分类准确率,选择其中准确率较高的前几个基分类器,将它们与最后阶段新生成的分类器聚集在一起得到最终分类模型.实验表明,D-MetaCost算法在准确率和代价方面比经典的MetaCost算法有明显的改进和提高.
展开更多
关键词
分类代价
代价敏感
集成学习
metacost
D-
metacost
在线阅读
下载PDF
职称材料
一种基于代价敏感学习的故障电弧识别方法
被引量：
8
3
作者
殷浩楠
竺红卫
+1 位作者
丁鑫
王一闻
《传感器与微系统》
CSCD
2018年第4期13-16,共4页
为解决故障电弧识别误判断问题,引入了代价敏感学习理论,为不同的分类错误赋予非均等代价;采集典型负载正常状态和故障电弧状态的电流数据,根据信号的时域和频域特性提取特征向量;应用MetaCost方法训练代价敏感的神经网络,作为故障电弧...
为解决故障电弧识别误判断问题,引入了代价敏感学习理论,为不同的分类错误赋予非均等代价;采集典型负载正常状态和故障电弧状态的电流数据,根据信号的时域和频域特性提取特征向量;应用MetaCost方法训练代价敏感的神经网络,作为故障电弧识别模块。实验结果表明:当代价矩阵取值合理时,代价敏感的神经网络能够有效减少误判断。
展开更多
关键词
故障电弧
误判断
代价敏感学习
metacost
方法
在线阅读
下载PDF
职称材料
基于改进的多层降噪自编码算法临床分类诊断研究
被引量：
9
4
作者
胡帅
袁志勇
+2 位作者
肖玲
王惠玲
王高华
《计算机应用研究》
CSCD
北大核心
2015年第5期1417-1420,共4页
针对临床分类诊断中普遍存在的样本不均衡、错分代价不同、大量无标签样本和测量误差等特点,引入了机器学习中较新的研究成果——多层降噪自编码(stacked denoising autoencoders,SDA)神经网络,并与欠采样局部更新的元代价(metacost)算...
针对临床分类诊断中普遍存在的样本不均衡、错分代价不同、大量无标签样本和测量误差等特点,引入了机器学习中较新的研究成果——多层降噪自编码(stacked denoising autoencoders,SDA)神经网络,并与欠采样局部更新的元代价(metacost)算法相结合,对SDA神经网络进行了改进,使组合模型具有代价敏感、降低不均衡性、有效利用无标签样本、抗噪声的特性。实验中将改进的SDA神经网络与SOFTMAX回归、反向传播(back propagation,BP)神经网络、支持向量机(support vector machine,SVM)、传统多层自编码(stacked autoencoders,SAE)神经网络,以及传统SDA神经网络等作了比较。实验结果表明,改进的SDA神经网络的准确率、ROC曲线下面积等均优于其他模型,提高了分类模型的辅助诊断性能。
展开更多
关键词
深度学习
多层降噪自编码
元代价
分类诊断
代价敏感
不均衡
在线阅读
下载PDF
职称材料
题名
MetaCost与重采样结合的不平衡分类算法——RS-MetaCost
被引量：
1
1
作者
邹春安
王嘉宝
付光辉
机构
昆明理工大学理学院
出处
《软件导刊》
2022年第3期34-41,共8页
基金
国家自然科学基金项目(11761041)。
文摘
不平衡分类是当今机器学习中的研究热点与难点。为提高不平衡数据的分类效果,提出MetaCost与重采样结合的不平衡分类算法——RS-MetaCost。首先在MetaCost划分子集前对不平衡数据集进行重采样,即过采样少数类或欠采样多数类,以降低或消除数据不平衡程度;其次在预测概率阶段,利用m-estimation提高少数类预测概率。采用6组模拟数据集与10组实例数据集,将RS-MetaCost与经典算法进行比较实验。结果表明,在大多数数据集上,RS-MetaCost在保证整体分类精度很高的前提下,还能提高少数类的分类精度,且过采样下的RS-MetaCost优于欠采样下的RS-MetaCost。
关键词
不平衡分类
metacost
重采样
M-ESTIMATION
Keywords
imbalanced classification
metacost
resampling
m-estimation
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
一种新的多分类代价敏感算法
被引量：
2
2
作者
邓少军
冯少荣
林子雨
机构
厦门大学信息科学与技术学院
出处
《厦门大学学报（自然科学版）》
CAS
CSCD
北大核心
2017年第2期231-236,共6页
基金
国家自然科学基金(61303004)
国家社会科学基金重大项目(13ZD148)
文摘
为了提高代价敏感分类算法MetaCost的准确率,降低错分代价,提出了多类别问题下的一种代价敏感分类算法(简称D-MetaCost算法).该算法利用MetaCost算法,通过多次取样生成多个模型,依据它们的分类准确率,选择其中准确率较高的前几个基分类器,将它们与最后阶段新生成的分类器聚集在一起得到最终分类模型.实验表明,D-MetaCost算法在准确率和代价方面比经典的MetaCost算法有明显的改进和提高.
关键词
分类代价
代价敏感
集成学习
metacost
D-
metacost
Keywords
classification cost
cost-sensitive
ensemble learning
metacost
D-
metacost
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
一种基于代价敏感学习的故障电弧识别方法
被引量：
8
3
作者
殷浩楠
竺红卫
丁鑫
王一闻
机构
浙江大学超大规模集成电路研究所
出处
《传感器与微系统》
CSCD
2018年第4期13-16,共4页
文摘
为解决故障电弧识别误判断问题,引入了代价敏感学习理论,为不同的分类错误赋予非均等代价;采集典型负载正常状态和故障电弧状态的电流数据,根据信号的时域和频域特性提取特征向量;应用MetaCost方法训练代价敏感的神经网络,作为故障电弧识别模块。实验结果表明:当代价矩阵取值合理时,代价敏感的神经网络能够有效减少误判断。
关键词
故障电弧
误判断
代价敏感学习
metacost
方法
Keywords
arc-fauh
erroneous judgement
cost-sensitive learning
metacost
method
分类号
TM501 [电气工程—电器]
在线阅读
下载PDF
职称材料
题名
基于改进的多层降噪自编码算法临床分类诊断研究
被引量：
9
4
作者
胡帅
袁志勇
肖玲
王惠玲
王高华
机构
武汉大学计算机学院
武汉大学人民医院
出处
《计算机应用研究》
CSCD
北大核心
2015年第5期1417-1420,共4页
基金
国家科技支撑计划资助项目(2012BAI01B05)
国家自然科学基金资助项目(61372107
61272276)
文摘
针对临床分类诊断中普遍存在的样本不均衡、错分代价不同、大量无标签样本和测量误差等特点,引入了机器学习中较新的研究成果——多层降噪自编码(stacked denoising autoencoders,SDA)神经网络,并与欠采样局部更新的元代价(metacost)算法相结合,对SDA神经网络进行了改进,使组合模型具有代价敏感、降低不均衡性、有效利用无标签样本、抗噪声的特性。实验中将改进的SDA神经网络与SOFTMAX回归、反向传播(back propagation,BP)神经网络、支持向量机(support vector machine,SVM)、传统多层自编码(stacked autoencoders,SAE)神经网络,以及传统SDA神经网络等作了比较。实验结果表明,改进的SDA神经网络的准确率、ROC曲线下面积等均优于其他模型,提高了分类模型的辅助诊断性能。
关键词
深度学习
多层降噪自编码
元代价
分类诊断
代价敏感
不均衡
Keywords
deep learning
stacked denoising autoencoders（SDA）
metacost
diagnose and classification
cost-sensitive
imbalance
分类号
TP202 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
MetaCost与重采样结合的不平衡分类算法——RS-MetaCost
邹春安
王嘉宝
付光辉
《软件导刊》
2022
1
在线阅读
下载PDF
职称材料
2
一种新的多分类代价敏感算法
邓少军
冯少荣
林子雨
《厦门大学学报（自然科学版）》
CAS
CSCD
北大核心
2017
2
在线阅读
下载PDF
职称材料
3
一种基于代价敏感学习的故障电弧识别方法
殷浩楠
竺红卫
丁鑫
王一闻
《传感器与微系统》
CSCD
2018
8
在线阅读
下载PDF
职称材料
4
基于改进的多层降噪自编码算法临床分类诊断研究
胡帅
袁志勇
肖玲
王惠玲
王高华
《计算机应用研究》
CSCD
北大核心
2015
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
