您的位置： 专家智库 > >

魏亚利

作品数：3 被引量：0H指数：0
供职机构：山东师范大学信息科学与工程学院更多>>
发文基金：山东省自然科学基金山东省科技攻关计划国家教育部博士点基金更多>>
相关领域：自动化与计算机技术更多>>

合作作者

文献类型

  • 3篇中文期刊文章

领域

  • 3篇自动化与计算...

主题

  • 2篇支持向量
  • 2篇支持向量机
  • 2篇向量
  • 2篇向量机
  • 2篇不平衡数据
  • 1篇数据分类
  • 1篇数据集
  • 1篇子空间
  • 1篇基于支持向量...
  • 1篇核函数
  • 1篇分层抽样
  • 1篇高斯
  • 1篇高斯核
  • 1篇高斯核函数
  • 1篇RELIEF...
  • 1篇RST
  • 1篇SVM
  • 1篇KPCA
  • 1篇不平衡
  • 1篇不平衡数据分...

机构

  • 3篇山东师范大学

作者

  • 3篇魏亚利
  • 2篇刘丽
  • 1篇高玲

传媒

  • 3篇山东师范大学...

年份

  • 1篇2016
  • 2篇2015
共 3 条 记 录，以下是 1-3
全选 清除 导出
排序方式：
基于支持向量机的不平衡样本集分类算法
2016年
提出基于支持向量机的不平衡样本集分类算法,以支持向量机为基础,利用重采样技术及特征子空间等相关理论,通过分层抽样方法和重采样技术,分别对不平衡数据集的样本底层特征和样本数量进行平衡,在不同数据集上进行实验,实验表明该方法能有效提高不平衡数据分类的准确度.
魏亚利刘丽项雪琰齐绪停
关键词：支持向量机分层抽样不平衡数据分类
基于随机特征子空间及加权核函数的 SVM 算法
2015年
为克服 SVM 算法缺乏高效率和低准确率的问题，笔者对 SVM 算法进行改进。首先通过采用 ReliefF 算法得到各个特征权值，然后基于随机特征子空间方法，即每次都选取权值较大的几个特征，再从剩余特征中随机选取一定数量特征共同组成一个特征空间来表示样本的一个视图。在进行训练分类器时，将特征的权值也应用于 SVM 的核函数中。实验表明，本文算法能有效提高 SVM 的分类精度。
魏亚利刘丽项雪琰齐绪停
关键词：支持向量机RELIEFF
基于 KPCA 和 RST 的不平衡垃圾网页检测
2015年
垃圾网页检测具有重要的现实意义。笔者针对 Webspam 数据集特征维数较高且严重不平衡的特点，从两个方面综合处理数据集。首先利用核主成分分析（KPCA）进行特征提取，选择出最具代表性的特征，实现特征降维，再通过重构数据集（RST），将数据集重新划分组合成新的训练子集，降低其不平衡度，最后使用处理后的数据子集训练分类器。在数据集 Webspam - UK2007上进行实验。实验结果表明，使用平衡和降维后的数据集训练的分类器，可有效提高垃圾网页的识别精度。
项雪琰高玲魏亚利
关键词：不平衡数据KPCA高斯核函数
全选 清除 导出
共1页<1>
聚类工具0