欠抽样相关论文
光电成像系统由于欠抽样产生频谱混淆。 用矢量分析方法, 给出了正弦图像基元的混淆表达式。 具体分析了以矩形光栅为例的周期性目......
提高不平衡数据分类效果一直是数据分析研究的热点问题之一,本文从数据层面出发,基于SVM对原数据集进行分类,通过计算多数样本类到......
期刊
光电成像系统欠抽样时 ,将产生混淆。使用 4f 系统预先滤除超出 Nyquist带宽的高频成分 ,不仅能够有效抑制混淆 ,而且还能够体现出......
光电成像系统对周期目标欠抽样成偈时,由于频谱混淆将产生莫尔条纹式的赝像.介绍了利用两帧不同样频率下的混淆图像以减少莫尔赝像......
类不平衡问题,也被称为不平衡类问题或稀有类问题,是模式识别和机器学习领域研究的热点问题之一。对于两类问题,类不平衡问题的特......
作为模式识别和机器学习研究领域中最具挑战性和吸引力的问题之一,非平衡类问题引起了越来越广泛的关注,其表现为数据集样本类别分......
随着计算机和网络技术的极速发展,数据信息的重要性愈发明显,源于二分类任务里数据偏态问题的不平衡数据,渗透到了生活的多个领域......
光电成像系统由于欠抽样引起频谱混淆， 推导分析了包括均匀微扫描在内的非均匀微扫描方法在减少混淆方面的数学原理以及与亚像素位......
不平衡数据集分类中,采用欠抽样方法容易忽略多数类中部分有用信息,为此提出一种基于AdaBoost的欠抽样集成学习算法U-Ensemble。该......
光电成像系统欠抽样时,将产生混淆.使用4f系统预先滤除超出Nyquist带宽的高频成分,不仅能够有效抑制混淆,而且还能够体现出预滤波......
实际应用中,很多分类问题是面向不平衡数据的分类,而不平衡数据集会导致许多分类器的性能下降.文中介绍核Fisher线性判别分析的分......
DEC算法是一种基于支持向量机的改进算法，但是研究表明，对于某些不平衡数据集，DEC分类器不能达到较高的少数类分类精度。针对这种情况......
面向类别不均衡数据集的分类学习一直是数据挖掘和机器学习领域的研究热点。数据级、算法级和集成方法是目前解决类别不均衡学习的......
发光二极管（Light emitting diode,LED）彩色阵列显示因规模等原因,难以通过物理像素实现高分辨率显示。为提高LED彩色阵列显示的视在......
在应用机器学习构建数据模型的过程中,经常会面临类不平衡性的问题,在许多研究中,降低数据集的不平衡性多采用欠抽样法来进行处理,......
不平衡数据分类是数据挖掘和机器学习领域的一个重要问题,其中数据重抽样方法是影响分类准确率的一个重要因素。针对现有不平衡数......
针对欠抽样可能导致有用信息的丢失,以及合成小类的过抽样技术(SMOTE)可能使大类和小类间类重叠更严重的问题,文中提出基于安全样......
针对已有欠抽样方法在非平衡数据集分类时没有过多考虑数据分布变化对分类结果造成影响的问题,本文首先提出了数据相似度冗余系数......
随着高速公路“绿色通道”免费政策的实施,不少货车司机受到通行费减免带来的利益诱惑,伪装成绿通车逃避通行费,造成了高速公路运......
欠抽样方法在非平衡数据集分类时,未充分考虑数据分布变化对分类结果造成的影响。为此,提出一种基于聚类融合去冗余的改进欠抽样方......
软件缺陷预测是提高测试效率、保证软件可靠性的重要途径。为了提高软件缺陷预测的准确率，提出一种结合欠抽样与决策树分类器集成的......
现实世界中广泛存在不平衡数据,其分类问题是数据挖掘和机器学习的一个研究热点.欠抽样是处理不平衡数据集的一种常用方法,其主要......
为了有效地提高不均衡数据集中少数类的分类性能，提出了基于初分类的过抽样算法。首先，对测试集进行初分类，以尽可能多地保留多数类的......
不平衡数据分类问题目前已成为数据挖掘和机器学习的研究热点.文中提出一类基于聚类融合的不平衡数据分类方法,旨在解决传统分类方......
类别不均衡学习在信用评估、客户流失预测、医学诊断、短文本情感分析、标记学习、评分预测等众多领域有广泛的应用,是机器学习研......
近年来,随着电信行业的蓬勃发展,通信市场逐渐饱和,形成了“三足鼎立”的态势,移动、电信、联通三大企业的竞争焦点由新增用户变为......
分类问题是机器学习领域的重要研究内容之一,现有的一些分类方法都已经相对成熟,用它们来对平衡数据进行分类一般都能取得较好的分......
许多研究表明传统分类器在对海量不平衡数据分类时偏向多数类规则,因此,会导致少数类实例被错误判断为多数类.针对上述问题,提出了......
研究工作以某高校数据库中存储的与毕业生学习、就业相关的历史数据为对象构建模型用以预测毕业生就业去向。构建流程包含知识发现......
