中国学术期刊网络出版总库
  关闭
代价敏感相关向量机  
   推荐 CAJ下载 PDF下载
【英文篇名】 Cost Sensitive Relevance Vector Machine
【下载频次】 ★★
【作者】 苏乐群; 冯爱民;
【英文作者】 SU Le-qun; FENG Ai-min; College of Computer Science & Technology; Nanjing University Aeronautics & Astronautics;
【作者单位】 南京航空航天大学计算机科学与技术学院;
【文献出处】 计算机与现代化 , Computer and Modernization, 编辑部邮箱 2015年 02期  
期刊荣誉:ASPT来源刊  CJFD收录刊
【中文关键词】 相关向量机(RVM); 代价敏感; 代价敏感相关向量分类;
【英文关键词】 relevance vector machine(RVM); cost sensitive; CS-RVC;
【摘要】 相关向量机(RVM)是在稀疏贝叶斯框架下提出的稀疏模型,由于其强大的稀疏性和泛化能力,近年来在机器学习领域得到了广泛研究和应用,但和传统的决策树、神经网络算法及支持向量机一样,RVM不具有代价敏感性,不能直接用于代价敏感学习。针对监督学习中错误分类带来的代价问题,提出代价敏感相关向量分类(CS-RVC)算法,在相关向量机的基础上,通过赋予每类样本不同的误分代价,使其更加注重误分类代价较高的样本分类准确率,使得整体误分类代价降低以实现代价敏感挖掘。实验结果表明,该算法具有良好的稀疏性并能够有效地解决代价敏感分类问题。
【英文摘要】 Relevance Vector Machine( RVM) is a sparse model proposed on the basis of sparse Bayesian framework,it has been widely studied and applied in the field of machine learning in recent years because of its strong sparsity and generalization ability.However,like the traditional decision tree,neural network algorithm and support vector machine,RVM does not have the expense of sensitivity,can not be directly used for cost-sensitive learning. To deal with the cost sensitive problem brought by misclassification in ...
【基金】 国家自然科学基金资助项目(61170152)
【更新日期】 2015-03-13
【分类号】 TP181
【正文快照】 0引言传统的分类算法通常在假定样本均衡并具有相同的误分代价的基础上致力于提高分类器的泛化精度,但是在实际的数据挖掘问题中,不同的分类错误往往带来不同的损失,这种情况下应当致力于减少错误分类带来的代价而不是提高分类准确率[1]。在数据极端不平衡或者误分类代价存在很

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   自动化基础理论
    人工智能理论
     自动推理、机器学习
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号