.png){kind=icon}
返回
Imbalanced data classification via support vector machines and genetic algorithms
.png){kind=icon}
OA
AI
DOI：10.1080/09540091.2014.924902.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多真实的数据集是不平衡的，并且包含大量的某种类型的模式，但是包含非常少量的另一种类型的模式。常规的分类方法，例如支持向量机 (SVM)，对于这些不平衡数据集 (IDS) 不能很好地工作。当使用不平衡数据训练svm时，很难获得最佳的分离超平面。在本文中，我们提出了一种基于遗传算法 (GA) 的分类方法。首先由svm生成超平面和支持向量。然后，应用GA来补偿不平衡数据。最后，再次使用SVM从生成的数据点找到最佳超平面。与其他流行的分类算法相比，我们的方法对几种IDS具有更好的分类精度。
Keyword:
imbalanced data
classification
support vector machine
genetic algorithm
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.4
论文数:
854
被引数:
1.5K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Improving Transboundary Maps of Potential Natural Vegetation Using Statistical Modeling Based on Environmental Predictors基于环境预测因子的统计建模改进潜在自然植被跨境地图
PREAI
分享收藏Evolutionary-based selection of generalized instances for imbalanced classification基于进化的不平衡分类广义实例选择
PREAI
分享收藏
查看更多内容