暂无评论
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。
提出了一种用支持向量机(SVM)权重向量解决高维对象分类的方法,并结合云理论建立了基于SVM权重向量的云分类器。采用云模型建立训练集的各属性模型,分类模型由属性模型集成得到,属性权重根据SVM权重向量
为了提高多视图像配准的精度和一致性,考虑到各种不确定信息,提出了一个基于概率估计的多视图像配准方法。把各视点的位置姿态作为系统状态,构造系统增广模型和系统观测模型,运用增广卡尔曼滤波技术对各视点的位置
论文研究-基于核主元聚类的股票分类.pdf, 为了正确区分不同的股票类别,降低分类的复杂度,论文结合核主元分析和K均值聚类构造核主元聚类方法对上市公司股票进行了分类处理.在核主元聚类方法中,首先对样本
本文着眼于表征三相系统中电压不平衡现象的统一电能质量指标。 电压不平衡是0.38 kV电压市镇电网中最常见的事件之一。 这种现象被描述为相电压的矢量幅度和它们之间的剪切角的不等式。 已经考虑了配电网络
针对井下不平衡工况会导致STATCOM控制性能变差、影响补偿效果的问题,提出采取改进开关函数法及负序电压前馈控制策略,让STATCOM发出一个与系统负序电压大小和相位都相等的负序电压,来补偿系统负序电
包含了六种不同的处理不平衡数据的方法,例如过采样、欠采样、SMOTE采样等,都是采用了MATLAB来编写的程序。
传统的不平衡数据分类问题往往会因为类间数据不平衡造成分类器的性能下降。利用 AUC(ROC 曲线下的面积)为评价指标,结合单类 F-score 特征选择和遗传算法建立多层神经网络模型,选出对于不平衡数
Machine learning versus unbalanced data learning and processing scheme
在处理高维数据时,聚类的工作往往归结为对子空间的划分问题。大量的真实实验数据表明,相同的属性对于高维数据的每一类子空间而言并不是同等重要的,因此,在FCM算法的基础上引入了方差权重矩阵模型,创造出了新
暂无评论