基于主動學習不平衡多分類AdaBoost改進算法
大小：0.77 MB 人氣： 2017-11-30 需要積分：0
標簽：分類(12865)
針對不平衡分類中小類樣本識別率低問題，提出一種基于主動學習不平衡多分類AdaBoost改進算法。首先，利用主動學習方法通過多次迭代抽樣，選取少量的、對分類器最有價值的樣本作為訓練集；然后，基于不確定性動態間隔的樣本選擇策略，降低訓練集的不平衡性；最后，利用代價敏感方法對多分類AdaBoost算法進行改進，對不同的類別給予不同的錯分代價，調整樣本權重更新速度，強迫弱分類器“關注”小類樣本。在臨床經胸超聲心動圖（TTE）測量數據集上的實驗分析表明：與多分類支持向量機（SVM）相比，心臟病總體識別率提升了5.g%，G-mean指標提升了18. 2%，瓣膜病（VHD）識別率提升了0.8%，感染性心內膜炎（IE）（小類）識別率提升了12. 7%，冠心病（CAD）（小類）識別率提升了79. 73%；與SMOTE-Boost相比，總體識別率提升了6.ll%，G-mean指標提升了0.64%，VHD識別率提升了11. 07%，先心病（CHD）識別率提升了3.69%。在TTE數據集和4個UCI數據集上的實驗結果表明，該算法在不平穩多分類時能有效提高小類樣本識別率，并且保證其他類別識別率不會大幅度降低．綜合提升分類器性能。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于主動學習不平衡多分類AdaBoost改進算法下載
相關電子資料下載
- 人工神經網絡模型的分類有哪些 134
- 一文快速了解RFID技術的構成及分類 109
- 車載無線技術分類介紹 411
- 機器視覺光源的作用、分類及實際應用 118
- 神經元的分類包括哪些 233
- 卷積神經網絡分類方法有哪些 102
- cnn卷積神經網絡分類有哪些 106
- 什么神經網絡模型適合做分類 114
- 卷積神經網絡在文本分類領域的應用 152
- 風華貼片電容的分類詳細介紹 86