代价敏感相关论文
在大数据时代下,不确定和模糊数据广泛存在于现实生活的各个领域中,三支决策是处理这类决策的有效工具之一。它从粒计算的角度将论......
决策粗糙集理论中,三支决策代价目标函数是典型的单调线性函数.然而,在实践经验中经常发现延迟决策的代价与决策概率之间的函数关......
随机森林算法是一种普适性较强的集成学习算法,预测准确率较高且不易过拟合,但在不同应用场景下仍存在改进空间。针对不同特征数据......
现实世界的数据较多地呈现不平衡分布,使用传统分类算法训练不平衡分布数据时会出现少数类识别较差的问题。本文通过对不平衡分布......
随着我国信用经济的蓬勃发展,个人信用消费贷款业务繁荣增长,其在金融主体中的业务比重大幅提高。个人信贷业务中存在的信用风险可......
随着数据维度在许多应用领域的不断增加,特征选择作为避免维度灾难、增强模型泛化能力的一个重要步骤,正受到越来越多研究者的关注......
回归学习是机器学习领域的重要研究方向之一,在企业运营决策、金融风险控制等方面都具有广泛应用。传统的回归学习基于预测代价相......
城市地标是在结构、认知或视觉上比周围其他对象显著的空间对象,作为反映城市空间布局特征的重要元素,城市地标在空间认知和寻路导......
随着国内电商业务的快速发展,产品的高度同质化使得电商领域的竞争日益激烈,而电商企业的竞争又集中体现在客户的争夺上。对于企业......
针对个人信用数据存在连续型和离散型交织并存以及类不平衡问题,为提高信用评估分类效果,提出一种结合代价敏感和集成算法的个人信......
在人工智能时代的背景下,人脸识别技术已经达到了较高的成熟度。然而多数传统的人脸识别系统都是以减少错误分类数量、提升分类准......
基于深度学习的目标检测是计算机视觉领域研究的重要方向,在实际场景中应用也极为广泛,包括人脸检测、自动驾驶、医学诊断等。传统......
基于深度学习的人脸识别方法突破了多年来传统浅层方法的固有瓶颈,已经成为目前主流的技术手段。深度学习模型的成功,往往建立在大......
遥感卫星技术的飞速发展形成了大量的多时相遥感图像集合,多时相遥感图像分类问题由于其在监测地表覆盖变化方面的重要作用,不可避......
为了解决样本不平衡带来的评估倾向性问题,从深度学习模型的损失函数出发,分析样本不平衡对评估模型的影响,发现训练过程中的损失......
随着各应用领域中数据量的快速增长,特征维度越来越高,语义日益丰富,数据通常呈现高维性和多标记性。多标记特征选择作为机器学习......
在数据分类分析中,一些特别的类别里往往存在更重要的信息.提出一种基于集成学习,欠采样和代价敏感的类别不平衡数据分类算法(USCe......
针对交通事故中的事故类别不平衡现象,采用随机欠采样(random undersampling,RUS)结合极端梯度提升(extreme gradient boosting,XG......
基于分类的软件缺陷预测方法使用历史软件数据构建预测模型,并使用该模型预测新的软件模块是否存在缺陷。根据预测结果,软件测试人......
支持向量机（Support Vector Machine,SVM）是20世纪90年代发展起来的一个分类算法,广泛应用于模式识别、回归预测等方面。传统的支持......
在机器学习领域中,解决分类问题的算法针对的大多都是基于均匀分布的平衡数据的分类问题,而对于非平衡数据分类问题,达不到理想的......
我国高校教育扶贫工作是国家精准扶贫政策中一项重要的内容。目前,国家教育扶贫工作主要包括贫困生的资格认定和贫困生贫困等级的......
恒星星系的精准识别是开展很多天文海量数据分析和处理任务的基础.受环境因素影响,采集到的暗星体观测数据使得恒星和星系差异不明......
针对现实信用评估业务中样本类别不平衡和代价敏感的情况,为降低信用风险评估的误分类损失,提出一种基于DESMID-AD动态选择的信用......
不平衡数据常出现在各应用领域中,传统分类器往往关注于多数类样本而导致样本分类效果不理想.针对此问题,提出一种基于聚类欠采样......
借助计算机技术可以帮助进行设备的故障诊断，由于数据不平衡等原因导致数据集中正负分类样本数量相差较为悬殊。为了降低正负类样本......
为降低弹道目标整体误识别代价,提出了基于代价敏感剪枝(CSP)一维卷积神经网络(1 D-CNN)的弹道目标高分辨距离像识别方法.首先,基......
针对分类器在识别不平衡数据时少数类准确率不理想的问题,提出了一种双重代价敏感随机森林算法,双重代价敏感随机森林算法分别在随......
基于结构化SVM的目标跟踪由于其优异的性能而受到了广泛关注,但是现有方法存在正样本和负样本不平衡问题。针对此问题,该文首先提......
金融欺诈事件日益严重，给商业银行造成了巨大的经济损失。国内外学者针对金融欺诈识别问题的研究取得了诸多成果，但现有Logistic回归......
大数据时代下,伴随着数据量的指数级增长,数据高维和不平衡特性是机器学习分类中的一个重要问题。不平衡数据出现在实际生活中的各......
构建准确的财务预警模型可帮助企业有效防范财务困境的发生,而该领域中普遍存在的特征冗余和数据分布不平衡问题会使传统模型的准......
为了实现对矿区遥感图像分割,从而判别矿区时空环境变化,达到矿区环境遥感监测的目的,提出了改进语义分割的矿区环境监测模型。首......
为了解决深度学习模型在人脸表情识别研究中存在的数据集需求量大、硬件配置要求高等问题,提出了一种基于卷积注意力的轻量级人脸......
最优尺度组合是多尺度决策系统中的研究热点之一,现有的研究大多是从一致性、不确定性的角度出发,而没有充分考虑代价信息的影响.......
为了在故障诊断中合理引入代价敏感机制来降低故障误诊断的代价,提出了一种结合证据理论的代价敏感加权故障诊断方法。该方法通过......
多标记特征选择是机器学习和人工智能领域的研究热点之一,现有多标记学习的研究是假设每个示例的标记呈均匀分布,即每个示例的各个......
随着Internet网络的发展与普及,文本资源呈现指数级的增长。作为组织和管理大量文本信息的重要方式,文本分类不仅能够解决如何更好......
近年来，随着信息技术的飞速发展，我们的计算机系统越来越频繁的参与到人类的生产活动中，在这其中承担了各种各样的任务。随着这一系列......
在人脸图像识别过程中，传统的基于子空间的人脸识别方法通过寻求一个低维子空间来实现分类。这种做法的前提是假定类与类之间的错分......
乳腺癌是女性最常见的一种癌症，其死亡率仅次于肺癌，调查表明乳腺癌的早期检测能有效地提高它的治愈率。过去几十年，人们一直致力于计......
多核学习算法能够有效地解决单核学习不能很好处理的数据固有特征异构、属性分布不规则,样本分布不平坦等问题；另外由于其灵活性好,......
