公共文化服务平台

搜索到4379篇“ 多分类问题“的相关文章

ROC分析在多分类问题中的应用: 接收机工作特性（Receiver Operating Characteristic,ROC）分析可用于研究工程及科学领域中的二分类问题。传统上,ROC曲线下的面积（Area Under the Curve,AUC）常用于...; 陈泽鹏

一种适于多分类问题的支持向量机加速方法被引量：7: 2022年; 支持向量机因具有卓越的分类效果和坚实的理论基础而成为了近年来模式识别、机器学习以及数据挖掘等领域中最重要的分类方法之一。然而,其训练时间会随样本增多而明显增长,并且在处理多分类问题时模型训练会更加复杂。为解决上述问题,给出了一种适于多分类问题的训练数据快速约简方法MOIS。该方法以聚类中心为参照点,在删除掉冗余训练样本的同时,选择起决定作用的边界样本来大幅度约简训练数据,并消减类别间的分布不均衡问题。实验结果表明,MOIS在保持甚至提高支持向量机分类效果的同时,能大幅提高训练效率。例如,在Optdigit数据集上,利用所提方法使分类准确率由98.94%提高到99.05%的同时,训练时间缩短到原来的15%;又如,在HCL2000前100类构成的数据集上,在准确率略有提高的情况下(由99.29%提高到99.30%),训练时间更是大幅缩短到不足原来的6%。另外,MOIS本身具有很高的运行效率。; 陈景年; 关键词：支持向量机数据约简聚类

一种处理不均衡多分类问题的特征选择集成方法被引量：2: 2022年; 为解决不均衡多分类问题,提出一种特征选择和AdaBoost的集成方法。首先,数据进行预处理。利用WSPSO算法进行特征选择,根据特征重要性选取初始粒子构建初始种群,使得算法初期就可以沿着正确的搜索方向开展,减少不相关特征的影响。其次,利用AdaBoost算法对于样本权重较敏感的特点,增强对小类样本的关注度。并且利用AUCarea作为评价标准,相对于其他评价标准,AUCarea具有可视化的优点且对较差AUC更加敏感。最后,与其他几种不均衡分类算法在不平衡数据集上进行对比,结果证明该算法可有效处理不均衡多分类问题。; 宿晨徐华崔鑫王玲娣; 关键词：不平衡数据 ADABOOST

基于等式约束的高维数据多分类问题的归一化割改进算法: 2022年; 本文对归一化割(NC, Normalized Cut)进行了改进,在能量泛函中引入了度平衡约束以提高模型的约束能力。经典的NC是实现平衡约束的一种重要方法,通过平衡约束来克服通过最小割算法进行数据分类的平凡解问题。但NC的平衡约束能力是不够的,尤其是当数据集不平衡时,约束能力会进一步下降,以此为基础提出了本文的模型。改进后的模型还可以扩展到解决不平衡的多分类问题。在解决不平衡的二分类和多分类问题时,实验结果表明,本文改进的归一化割方法比原始模型具有更高的分类精度和保持平衡的能力。此外,与原来的归一化割方法相比,在保真度集规模很小的情况下,改进的归一化割模型可以实现有效的数据分类。; 徐止磊盛夏潘振宽; 关键词：等式约束

基于F-score的特征选择算法在多分类问题中的应用被引量：5: 2021年; 将一种新的特征选择算法(F-score)与多种机器学习算法相结合用于多分类问题中。使用十折交叉验证对比模型的分类效果,利用分类误差验证该方法的鲁棒性。实验结果表明,文中使用的新的基于F-score的特征选择方法与传统机器学习算法相结合具有很好的性能,能够使用比原始数据集更少特征并产生良好分类结果,尤其在与迭代随机森林方法相结合的情况下,能够显著提高模型分类精度。; 秦喜文王芮于爱军董小刚张斯琪; 关键词：数据分类

基于深度学习的肺部B超图像多分类问题研究: 中国作为人口大国以及老龄化国家，医疗问题是国计民生的主要问题。人工智能以及大数据技术在近些年取得了飞速发展，将人工智能技术引入到医疗领域已经是大势所趋。在中国市场上，医疗行业在人工智能方面相关的投入也逐年提高。据评估，中...; 吕彬; 关键词：卷积神经网络 TRANSFORMER

距离加权判别模型在高维及不平衡多分类问题下的研究: 随着信息化时代的发展，带来了大量的高维多分类数据，并且这些数据通常存在类别不平衡问题。比如关于某疾病的基因数据，患病与不患病的人数相差悬殊，且患各类疾病的人数各不相同。关于多分类的模型已有广泛研究，但许多模型都建立在样本...; 胡巧; 关键词：高维数据损失函数

非参特征变换在多分类问题中的研究及应用: 分类问题是常见的数据分析问题之一。在大数据时代,越来越多的数据能够被观测和收集到,分类方法也被用于解决各种实际问题,但常用的分类方法具有一定的局限性。比如线性的分类方法不能解决非线性可分的问题;很多分类方法只适用于二分类...; 严红; 关键词：核密度估计

相关作者