用于不平衡数据分类的代价敏感超网络算法

来源 :计算机应用 | 被引量 : 16次 | 上传用户:maomao1983520
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
传统的超网络模型在处理不平衡数据分类问题时,具有很大的偏向性,正类的识别率远远高于负类。为此,提出了一种代价敏感超网络Boosting集成算法。首先,将代价敏感学习引入超网络模型,提出了代价敏感的超网络模型;同时,为了使算法能够自适应正类的错分代价,采用Boosting算法对代价敏感超网络进行集成。代价敏感超网络能很好地修正传统的超网络在处理不平衡数据分类问题时过分偏向正类的缺陷,提高对负类的分类准确性。实验结果表明,代价敏感超网络Boosting集成算法具有处理不平衡数据分类问题的优势。
其他文献
采用了访谈法和问卷调查法,对内江师范学院生物科学专业304名学生的实验情况进行了调查。调查发现:学生在实验中存在对实验的重视程度和动手能力不够高,预习实验内容和思考问
对迭加原理在物理学各领域,特别是电磁学中的作用,作了阐述,有利于提高教学质量.
IP欺骗和DoS攻击是黑客常用的两种手段,将两者结合可以实现一种新型DDoS攻击模式。本文对这种新型DDoS攻击模式的原理作简单介绍,并将其与传统DDoS攻击模式作简单分析比较。
目的:探讨瘦素基因启动子区-2548G/A多态性与抗精神病药物(APS)长期治疗后发生2型糖尿病的相关性.方法:110例病程>5年的慢性精神分裂症患者接受糖尿病流行病学调查,测定空腹血