不平衡数据学习相关论文
蛋白质亚细胞定位预测是蛋白质组学研究中的一个热门主题。随着研究的深入,越来越多的细胞器都被证明存在亚结构,蛋白质的功能可能......
时间序列分类和不平衡数据分布是实际应用中普遍存在的问题。时间序列存在数据维度高、数据之间相关性强和噪声干扰多等特点,而不......
为解决绝大部分传统的以精度准则为优化目标而获得的分类器不适于不平衡数据学习（IDL）的问题,文中通过在支持向量机（SVM）模型上进行＂元......
时间序列是一类重要的结构化数据形式,在很多领域都有着重要应用。在航空航天领域,航天器在运行期间产生大量的遥测数据,这些数据......
随着信息技术的发展,时间序列数据正以惊人的速度产生于各个领域,尤其在航空航天方面,飞行器在运行期间会产生大量的遥测数据,并以......
蛋白质的亚细胞定位信息对于推断蛋白质功能、了解细胞的生命活动、药物发现、以及疾病诊断等方面的研究具有重要的作用。近十年间......
支持向量机是建立在统计学习理论的VC维理论和结构风险最小化原则的基础上的一种机器学习方法。它根据有限的数据信息在模型的复杂......
本文首先阐述不平衡数据学习的研究背景、现状和相关工作,以及模型评估与模型选择相关工作等。然后,围绕不平衡数据学习的解决策略......
针对类间分布不平衡的时间序列数据的异常检测问题,提出了一种基于深度卷积神经网络的检测方法.首先采用抽样法对不平衡时间序列数......
不平衡数据学习(IDL)是最近几年才引起人们广泛关注的一类特殊的有监督(分类)学习,它主要解决类间训练样本分布不均衡的分类问题,......
