您的位置： 专家智库 > >

樊泓坤

作品数：3 被引量：45H指数：2
供职机构：中山大学数学与计算科学学院更多>>
相关领域：自动化与计算机技术农业科学更多>>

合作作者

文献类型

  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...
  • 1篇农业科学

主题

  • 3篇不平衡数据
  • 2篇数据分类
  • 2篇数据集
  • 2篇不平衡数据集
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇下采样
  • 1篇向量
  • 1篇向量机
  • 1篇基于支持向量...
  • 1篇SMOTE
  • 1篇采样

机构

  • 3篇中山大学
  • 2篇华南理工大学

作者

  • 3篇樊泓坤
  • 2篇姚正安
  • 2篇王和勇
  • 1篇李成安

传媒

  • 1篇计算机应用研...
  • 1篇计算机科学

年份

  • 2篇2008
  • 1篇2006
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
SMOTE和Biased-SVM相结合的不平衡数据分类方法被引量：17
2008年
针对不平衡数据集的分类问题,本文利用支持向量机推广能力强的优良特性,提出了SMOTE(Synthetic Minority Over-sampling Technique,SMOTE)和Biased-SVM(Biased Support Vector Machine,Biased-SVM)相结合的方法。该方法首先对原始数据使用Biased-SVM方法,然后对求出的支持向量使用SMOTE向上采样方法进行采样,最后再使用Biased-SVM方法进行分类。实验结果表明,本文采用的SMOTE和Biased-SVM相结合的方法可提高不平衡数据集分类精度。
王和勇樊泓坤姚正安
关键词：不平衡数据数据分类SMOTE
不平衡数据集的分类方法研究被引量：28
2008年
传统的分类算法在处理不平衡数据分类问题时会倾向于多数类,而导致少数类的分类精度较低。针对不平衡数据的分类,首先介绍了现有不平衡数据分类的性能评价;然后介绍了现有常用的基于数据采样的方法及现有的分类方法;最后介绍了基于数据采样和分类方法结合的综合方法。
王和勇樊泓坤姚正安李成安
关键词：不平衡数据数据分类
基于支持向量机处理不平衡数据分类问题
本文对不平衡数据集的分类问题进行了研究探讨，提出将数据采样方法与一种改进的SVM(Biased-SVM)结合的方法：首先对原始数据使用Biased-SVM算法学习，然后对SVM的支持向量进行采样，最后再使用Biased-...
樊泓坤
关键词：不平衡数据集支持向量机
文献传递
全选 清除 导出
共1页<1>
聚类工具0