本文關鍵詞：代價敏感大間隔分布學習機，，由筆耕文化傳播整理發(fā)布。

【摘要】：在現(xiàn)實生活中的很多應用里,對不同類別的樣本錯誤地分類往往會造成不同程度的損失,這些損失可以用非均衡代價來刻畫.代價敏感學習的目標就是最小化總體代價.提出了一種新的代價敏感分類方法——代價敏感大間隔分布學習機(cost-sensitive large margin distribution machine,CS-LDM).與傳統(tǒng)的大間隔學習方法試圖最大化“最小間隔”不同,CS-LDM在最小化總體代價的同時致力于對“間隔分布”進行優(yōu)化,并通過對偶坐標下降方法優(yōu)化目標函數(shù),以有效地進行代價敏感學習.實驗結果表明,CS-LDM的性能顯著優(yōu)于代價敏感支持向量機CS-SVM,平均總體代價下降了24%.
【作者單位】： 計算機軟件新技術國家重點實驗室(南京大學);軟件新技術與產(chǎn)業(yè)化協(xié)同創(chuàng)新中心(南京大學);
【關鍵詞】： 代價敏感學習 間隔分布 支持向量機 表示定理 對偶坐標下降法
【分類號】：TP181
【正文快照】： 在現(xiàn)實生活的很多應用中,對不同類別的樣本最小化總體代價為目標的代價敏感分類器.針對代錯誤地分類往往會造成不同程度的損失,這些損失價敏感的二分類問題,再縮放方法已經(jīng)從理論上得可以用非均衡代價來刻畫.例如在醫(yī)療診斷中,將病到了支持[1].而最近的研究成果則進一步表明,

【相似文獻】

中國重要報紙全文數(shù)據(jù)庫 前1條

1 本報實習生 馬燕 本報記者 吳紅梅;突破“圍城”醞釀騰飛新版圖[N];新華日報;2001年

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 史正謙;基于間隔分布優(yōu)化的大間隔分類器改進方法研究[D];吉林大學;2016年

2 孫芳芳;移動互聯(lián)網(wǎng)主要數(shù)據(jù)業(yè)務的分布規(guī)律研究[D];北京郵電大學;2015年

  本文關鍵詞：代價敏感大間隔分布學習機，由筆耕文化傳播整理發(fā)布。

本文編號：427665