异常数据识别对于煤矿安全监测系统具有重要作用,但安全监测系统中异常数据一般只占数据总量的1%左右,不平衡性是此类数据的固有特点。目前多数机器学习算法在不平衡数据集上的分类预测准确率和灵敏度都相对较差。
在对不平衡样本集进行分类时容易产生少数类样误差大的问题,而目前半监督学习中的算法多数是针对未有明显此类特征的数据集。针对一种半监督协同分类算法在该问题上的有效性进行了研究。由于进一步增强了分类器差异性
研究电力系统电压不对称情况下不平衡负载的补偿方法,指出非理想系统电压下Steinmetz平衡分量补偿方法无法实现三相不平衡负载电流平衡补偿。在Steinmetz理想补偿理论基础上增加一个无功补偿自由度
GB9239-88刚性转子平衡品质许用不平衡的确定pdf,GB9239-88刚性转子平衡品质许用不平衡的确定
本文主要讲了一下关于电动机三相电流不平衡的原因及处理方法,一起来学习一下
基因选择是基因表达数据分析中的重点问题.然而现有的方法没有综合考虑样本不平衡和基因间的相互作用。借鉴聚类的验证技术提出了基因选择的0-1规划模型,同时考虑了样本不平衡和基因间的相互作用。进一步根据0-
论文研究-基于抽样和规则的不平衡数据关联分类方法.pdf, 不平衡数据的出现给传统关联分类算法带来了巨大的挑战.为了提高关联分类方法对不平衡数据集的分类精度,本文分别从数据和规则层次着手,提出了关键值
提出基于修改的代价敏感学习的方法对不平衡的天气数据进行预处理,结合天气数据自身的特点,以单位时间的降雨量为成本的值,将数据合理有效地区分为下雨和非下雨两类；进而运用基于逻辑的方法对处理完的数据进行分析
针对不平衡数据集上的分类问题,提出了基于Lévy分布的过采样方法,其核心思想是根据初始数据集的分布,利用Lévy分布构造新样本的密度分布。基于Lévy分布的特性,使得从边界样本合成的新样本密度最大,靠
PDF论文《一种适合不平衡数据集的新型提升算法》,和大家分享~
