搜索筛选:
搜索耗时0.2041秒,为你在为你在102,285,761篇论文里面共找到 10 篇相符的论文内容
发布年度:
[学位论文] 作者：刘胥影,
来源：南京大学 年份：2006
在真实世界的分类问题中，不同的分类错误往往会带来显著不同的损失，而且不同类别样本的数目往往有显著的差别。传统的机器学习研究假定所有的分类错误会带来相同的损失，而且不同......
[学位论文] 作者：刘胥影,
来源：南京大学 年份：2010
传统的机器学习技术假设所有的错误代价相同。然而在真实世界的问题中，不同的错误往往会带来显著不同的损失。代价敏感学习试图降低总体代价而非简单的减少错误次数。由于此类......
[会议论文] 作者：刘胥影,周志华,
来源：2005第一届中国分类技术与应用研讨会(CSCA) 年份：2005
在机器学习和数据挖掘领域中,分类器通常设计为最小化测试样本的错误率,然而这只有在所有错误具有相同的错误分类代价时才有意义.在现实问题中,不同情况下的错误往往具有不同...
[期刊论文] 作者：李倩倩,刘胥影,,
来源：模式识别与人工智能 年份：2014
随机欠采样方法忽略潜在有用的大类样本信息,在面对多类分类问题时更为突出.文中提出多类类别不平衡学习算法:EasyEnsemble.M.该算法通过多次针对大类样本随机采样,充分利用...
[会议论文] 作者：刘胥影;姜远;周志华;,
来源：中国人工智能学会第12届全国学术年会 年份：2007
分类算法通常假设每个类别中的样本数目是大致相当的。然而在真实问题中往往不能满足这样的假设,数据分布常常是不平衡的,一个类别中的样本可能远远多于其他类别。在这种应用...
[期刊论文] 作者：刘胥影,吴建鑫,周志华,,
来源：南京大学学报(自然科学版) 年份：2006
真实世界问题中，不同类别的样本在数目上往往差别很大，而传统机器学习方法难以对小类样本进行正确分类，若小类的样本是足够重要的，就会带来较大的损失．因此，对类别分布不平衡数据的......
[期刊论文] 作者：刘胥影,陈可佳,周志华,
来源：第四届中国Rough集与软计算学术研讨会 年份：2004
现实世界的信息通常是不精确的、不确定的或者不完全正确的,软计算技术是处理这些模糊信息的有力工具,主要包括模糊逻辑、神经网络和遗传算法.将软计算技术引入到多agent系统...
[期刊论文] 作者：周斌斌,张敏灵,刘胥影,
来源：计算机科学与探索 年份：2018
偏标记学习是一类重要的弱监督学习框架,在该框架下,每个训练样本与一组候选标记相关联,在候选标记集合中有且仅有一个是其真实标记。很明显,候选标记数目越多,偏标记学习难...
[期刊论文] 作者：周斌斌,张敏灵,刘胥影,,
来源：计算机科学与探索 年份：2018
偏标记学习是一类重要的弱监督学习框架,在该框架下,每个训练样本与一组候选标记相关联,在候选标记集合中有且仅有一个是其真实标记.很明显,候选标记数目越多,偏标记学习难度...
[会议论文] 作者：丁啸,曹唱唱,刘胥影,罗幸,程福东,孙啸,
来源：第六届全国生物信息学与系统生物学学术大会暨国际生物信息学前沿研讨会 年份：2014
Background: Metagenomics [1], a burgeoning subject of studying microbes by sequencing environmental samples directly, is proposed on account of the vast maj...
相关搜索：
