.png){kind=icon}
返回
Generalized AUC Maximization Core Vector Machine: A Multi-Kernel Learning Approach for Fast Imbalanced Classification
.png){kind=icon}
OA
AI
DOI：10.3390/electronics15102228.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
不平衡分类仍然是机器学习中的一个基本挑战，其中ROC曲线下面积（AUC）被广泛用于阈值无关的排序评估，特别是在AUC最大化研究中。现有的AUC最大化方法存在两个关键局限性：它们依赖单一的固定核函数，无法捕捉复杂的数据结构，并且由于成对约束构造而带来高昂的计算成本。为解决这些问题，我们提出了广义AUC最大化核向量机（GAM-CVM），一种结合多核学习与核向量机优化的快速不平衡分类框架。从互补视角构建多个亲和图，并通过交叉扩散融合为统一的核矩阵，该矩阵尊重数据的内在流形。此融合核被嵌入到具有灵活排序边距的广义AUC目标中。给定融合核矩阵后，GAM-CVM的优化阶段在固定近似精度下，针对样本对数量实现渐近线性时间复杂度，通过将学习目标重新表述为中心约束的最小外接球问题。大量实验表明，GAM-CVM实现了最佳的总体平均排序，显著优于大多数竞争方法，同时保持了最低的优化阶段运行时间。
Keyword:
AUC maximization
imbalanced classification
kernel method
multi-kernel learning
期刊
IF:
2.6
论文数:
1.1W
被引数:
4.7W
机构
引用论文
Sufian, A. Advancing Alzheimer’s Disease Detection in Clinical Settings: MRI Image Data; Mendeley Data, V1; Elsevier: Amsterdam, The Netherlands, 2025. [Google Scholar] [CrossRef]Sufian, A. 推进临床环境中阿尔茨海默病的检测：MRI图像数据；Mendeley Data, V1；Elsevier：荷兰阿姆斯特丹，2025。[Google Scholar][CrossRef].png)
IF0
PREAI
分享收藏Cho, H.; Sung, J.-H.; Kang, H.-J.; Jang, J.; Shin, D. Quantifying Cyber Resilience: A Framework Based on Availability Metrics and AUC-Based Normalization. Electronics 2025, 14, 2465. [Google Scholar] [CrossRef]Cho, H.; Sung, J.-H.; Kang, H.-J.; Jang, J.; Shin, D. 定量评估网络韧性：基于可用性指标和AUC归一化方法的框架. Electronics 2025, 14, 2465. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Adversarial de-overlapping learning machines for supervised and semi-supervised learning用于监督和半监督学习的对抗性去重叠学习机
PREAI
分享收藏
查看更多内容