模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2009, Vol. 22 Issue (6): 913-918    DOI:
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于实例重要性的SVM解不平衡数据分类
杨扬,李善平
浙江大学计算机科学与技术学院杭州310027
Image Threshold Selection Method Using Weighted Harmonic Average Maximum Entropy
YANG Yang, LI Shan-Ping
College of Computer Science and Technology, Zhejiang University, Hangzhou 310027

全文: PDF (407 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 在不平衡数据分类问题中,作为目标对象的少数类往往不易识别.常见方法存在需要显式设置实例重要度、仅仅间接支持少数类的识别等缺点.由此,文中提出基于实例重要性的支持向量机——IISVM.它分为3个阶段.前两个阶段分别采用单类支持向量机和二元支持向量机,将数据按照“最重要”、“较重要”,和“不重要”3个档次重新组织.阶段3首先选择最重要的数据训练初始分类器,并通过显式设置早停止条件,直接支持少数类的识别.实验表明,IISVM的平均分类性能优于目前的主流方法.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
杨扬
李善平
关键词 不平衡数据实例重要性支持向量机重采样代价敏感学习    
Abstract:In the problem of imbalanced data classification, the minority class is the classification target, but it is more difficult to be recognized than the majority class. The current popular classification algorithms have two main disadvantages: the explicit setup of instances importance degrees and the indirect support of the recognition of minority class. An instance importance based learning algorithm is proposed, namely instance importance based support vector machine (IISVM). IISVM is composed of three phases. In the first two phases, one class SVM and binary SVM are used respectively. And the training instances are divided into three groups: the most important group, important group and unimportant group. In the last phase, the most important instances are employed to train the initial classifier, and then the explicit stopping criteria are adopted to control the recognition of minority class directly. The experimental results illustrate that the performance of IISVM is superior to other standard or advanced solutions.
Key wordsThreshold Segmentation    Maximum Entropy    Harmonic Average   
收稿日期: 2008-12-02     
ZTFLH: TN911.73  
作者简介: 雷博,女,1981年生,博士研究生,讲师,主要研究方向为智能信息处理、图像处理.Email: leileibo@xupt.edu.cn.范九伦,男,1964年生,教授,博士生导师,主要研究方向为模糊集理论、模式识别与图像处理.
引用本文:   
杨扬,李善平. 基于实例重要性的SVM解不平衡数据分类[J]. 模式识别与人工智能, 2009, 22(6): 913-918. YANG Yang, LI Shan-Ping. Image Threshold Selection Method Using Weighted Harmonic Average Maximum Entropy. , 2009, 22(6): 913-918.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2009/V22/I6/913
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn