少数类相关论文
针对传统分类算法无法有效解决高度不平衡移动网络视频流U-vMOS分类问题,提出基于代价敏感(cost-sensitive)思想改进AdaBoost算法......
单一的传统分类器在处理不平衡数据时,对少数类的分类存在较大误差,效果往往不够理想,为了提高少数类和整体的分类性能,提出一种融......
针对处理不平衡数据集的分类问题,SMOTE通过在相邻样例间线性插值实现少数类样例过采样。但SMOTE插值的结果是样例密集的地方依然......
文本自动分类是数据挖掘和信息检索的核心技术,也是研究热点。在实际的应用中,时常会出现文本数据量很大,但是对人们有用的信息仅......
针对SMOTE算法在合成少数类新样本时存在的不足,提出了一种基于层次聚类算法改进的SMOTE过采样法H-SMOTE。该算法首先对少数类样本......
随机下采样方法在不平衡数据集处理上容易造成重要信息损失,影响了分类器的性能。为了尽可能的避免数据信息损失,本文提出了一种基......
数据类间分布不均衡是不平衡数据集分类效果不好的主要原因，为了克服类间分布的不均衡，本文提出了一种基于邻近样本类别判断的不平衡......
在灾害天气、故障诊断、网络攻击和金融欺诈等领域经常存在不平衡的数据集。针对随机森林算法在非平衡数据集上表现的分类性能差的......
