一种改进的少数类样本识别方法AET-电子技术应用-最丰富的电子设计资源平台

一种改进的少数类样本识别方法
所属分类：技术论文
上传者：aet
文档大小：494 K

所需积分：0分积分不够怎么办？
文档介绍：非均衡数据集的分类过程中，产生了向多数类偏斜、少数类识别率较低的问题。为了提高少数类的分类精度，提出了一种S-SMO-Boost方法。该方法基于Adaboost提升算法迭代过程中错分少数类样本，构造虚拟样本，以加强对易错分样本的训练；其中构造样本利用空间插值方法，即在错分少数类样本周围构造超几何体，在该超几何体内部空间随机插值产生有效虚拟样本。在实际数据集上进行实验验证，结果表明，S-SMO-Boost方法提高了非均衡数据集的分类性能。
现在下载
VIP会员，AET专家下载不扣分；重复下载不扣分，本人上传资源不扣分。

相关文章