【摘 要】
:
支持向量机因其泛化能力强,分类效果好而被广泛应用。不同于传统的支持向量机模型,最小二乘支持向量机只需求解一个线性方程组即可得到闭式解,训练速度快,因而被广泛应用于分类问题。但最小二乘支持向量机模型容易受到离群点和噪声的影响,往往使得其分类精度下降。其次,这些已有的分类模型在处理问题时,基于类平衡的假设,导致其在处理不平衡数据的分类问题时,对少数类的分类效果很差。因此,本文将探究如何降低离群点和噪声
论文部分内容阅读
支持向量机因其泛化能力强,分类效果好而被广泛应用。不同于传统的支持向量机模型,最小二乘支持向量机只需求解一个线性方程组即可得到闭式解,训练速度快,因而被广泛应用于分类问题。但最小二乘支持向量机模型容易受到离群点和噪声的影响,往往使得其分类精度下降。其次,这些已有的分类模型在处理问题时,基于类平衡的假设,导致其在处理不平衡数据的分类问题时,对少数类的分类效果很差。因此,本文将探究如何降低离群点和噪声对模型影响以及如何处理不平衡数据的分类问题。针对离群点和噪声问题,样本点的模糊加权是解决该问题的一种有效方法。直觉模糊集既包含样本点的隶属度信息又包含样本点的非隶属度信息,可以更加详细地刻画样本点的分布特征。为此,本文基于直觉模糊集,通过剔除离群点得到更加准确的类中心,再根据样本点到类中心的距离,得到样本点对其所在类的隶属程度。同时,采用核k近邻的方法,查找样本点的k个近邻里另一类样本点的数量,进而得到样本点的非隶属度信息。最后,根据样本点的隶属度与非隶属度得到一种新的模糊值。进一步将提出的模糊值用于改进最小二乘支持向量机模型,通过赋予离群点和噪声低的模糊值,减少它们对最小二乘支持向量机模型的影响,提高模型的精度。实验结果表明,与已有算法对比,本文提出的算法可以有效降低离群点和噪声对最小二乘支持向量机模型的影响,提高模型的鲁棒性。将代价敏感学习思想与模糊支持向量机相结合,可以有效解决不平衡数据的分类问题。据此,本文基于直觉模糊集,结合k近邻概率密度估计策略引入样本点的相对密度这一先验信息,来计算样本点的隶属度与非隶属度信息。先分别采用样本点的类内相对密度和类间相对密度计算样本点的隶属度和非隶属度信息,再根据这两种隶属度得到最终的模糊值。同时,针对多数类和少数类分别采用不同的方式计算模糊值。然后将得到的模糊值用于改进支持向量机模型,结合代价敏感学习的思想,得到基于相对密度的直觉模糊支持向量机模型,并将其用于处理数据不平衡的分类问题。该模型既可以降低离群点和噪声的影响,又可以减少类不平衡的影响。实验结果表明,与一些类不平衡学习算法对比,该模型可以有效地处理不平衡数据的分类问题。
其他文献
近年来,随着物流业及其相关产业的快速发展,对最优路线规划的需求也在日益增加,由此而产生的车辆路径规划问题同时吸引了众多研究者的关注。其中,多仓库车辆路径规划问题的应用尤为广泛。这类问题考虑到实际中的多个仓库作为路径的起始点,以配送的形式,在适当的时间将一定数量的货物在顾客之间运送,实现生产与消费的无缝连接,最大程度地满足客户的消费需求。多仓库车辆路径规划问题本质上是离散型约束多目标优化问题,特点是
目的:雷公藤红素具有抗炎症反应、抑制肿瘤血管生成、抑制肿瘤生长、抑制肿瘤转移等多种药理作用。为了揭示雷公藤红素抑制肝癌转移的重要机制,我们在研究肝癌转移的过程中发现细胞骨架蛋白Ezrin的Thr567位点的磷酸化改变能够抑制肿瘤细胞的侵袭和转移。为进一步研究雷公藤红素是否通过影响Ezrin磷酸化实现抑制肝癌细胞迁移的作用,通过蛋白质免疫沉淀实验检测细胞裂解液中Ezrin磷酸化水平,对肝癌迁移进行研
近年来,在大数据和大模型的背景下,分布式机器学习成为了主流的解决方案。而传统的集中存储式的分布式机器学习存在隐私泄露等问题。联邦学习旨在以保护隐私的方式有效地利用数据孤岛的数据训练统计模型。联邦学习已成为活跃且有巨大前景的分布式机器学习新范式。当前联邦学习存在几个关键且艰巨的挑战:统计异质性、通信成本昂贵、个性化能力不足。统计异质性指的是联邦学习中客户端之间的数据分布存在差异,这种非独立同分布特性
容器化技术具有支持快速部署Web应用程序和提高云数据中心资源利用率等潜力,因此它被广泛应用到微服务架构中。尽管现有的容器化技术已经得到了很好的发展,然而,随着用户对应用需求的不断增长,导致云数据中心对计算资源的需求也不断增长。因此,如何有效地解决应用程序的快速部署和提高云数据中心的资源利用率,从而减少物理机的使用数量则成为亟待解决的问题。容器部署是一个NP难组合优化问题。进化算法作为一种成熟的具有
遥感图像中的语义分割,对土地调查以及灾后土地管理恢复等方面具有重要的实用价值。由于不同数据域的遥感图像中,地物细节信息丰富,地貌情况也各不相同,数据集标注难度大,使用传统方法存在模型学习效率较低和泛化性弱的问题。因此针对遥感图像语义分割的域适应方法具有十分重要的意义。随着大数据时代的到来,深度学习算法得到了高速发展,基于卷积神经网络的语义分割方法也层出不穷。本文在总结并分析国内外域适应遥感语义分割
甲醇在工业中的应用非常广泛,铜基催化剂催化甲醇分解是低成本利用甲醇的方案之一。本文选择了表面铜原子配位数分别为9和7的密堆积Cu(111)表面和较开放的Cu(110)表面,利用平板超胞模型、周期性密度泛函理论和微观反应动力学原理,结合遍历历史求和表象方法,对Cu(111)和Cu(110)表面催化甲醇脱氢分解涉及到的基元反应进行热力学和动力学研究。首先,本文研究了反应网络中的9个反应中间体在Cu(1
昂贵优化问题,指优化问题的评价难以用函数的形式表示,或评价一次需要较长的时间。在工程领域和理论实践中,存在着许多昂贵优化问题,如电力系统的控制器参数整定,需要消耗较长的时间获取评价值。优化中常用的元启发式算法能够获得令人满意的解,但是需要非常多的评价次数。对于昂贵优化问题,评价次数高等价于时间等资源成本的增加。为了在很少的评价次数内、快速收敛到更优解,近十几年来,专家学者们提出用代理模型近似昂贵的
改革开放40年来,美国多次主动对中国单方面发起贸易摩擦,利用市场经济地位问题牵制中国。中美经贸关系经历了从破裂到合作再到制裁、从贸易自由化到贸易保护主义的历史巨变,摩擦领域逐渐从劳动密集型产品转向技术密集型产品。自2006年始,中美摩擦从贸易领域转向科技领域,美国对华的实施战略从贸易战转向科技战,以及2017年特朗普政府发起的“301调查”所引发的中美科技脱钩,导火索指向《中国制造2025》中着力
随着大数据时代的到来,日益累积的金融时间序列数据在人们日常生活中扮演着重要的角色.金融数据的波动是由多个影响因素以某种方式相互混合的结果.在没有任何先验知识的情形下,从金融时间序列数据自身出发,去寻求数据的内部形成机制,这将有助于人们对数据的进一步认识,更好地服务于大众.独立成分分析(ICA)作为一种经典的数据分析工具,可以仅从观测数据出发,估计出数据产生的隐变量模型和相互独立的隐变量,挖掘数据产
目前,互联网科技在人们的生活中至关重要,网络上产生了很多表达情绪、观点的语句。这些海量的短文本信息不仅能够对个人决策提供帮助,而且对企业运营、产品优化等方面也具有很高的价值。因此,对网络短文本的情感分析成为了重要研究方向。自然语言处理技术实现了人和计算机之间的有效通信,机器学习和深度学习近几年已经在文本分析领域取得了非常好的成效,然而大多数算法在词向量的获取、语义信息的挖掘,以及模型优化等方面,还