已閱讀1頁，還剩63頁未讀， 繼續(xù)免費閱讀
版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領
文檔簡介
1、伴隨著數(shù)據(jù)采集、數(shù)據(jù)存儲等技術的不斷進步，各個行業(yè)的數(shù)據(jù)呈現(xiàn)出爆炸式增長。同時，數(shù)據(jù)的類型也呈現(xiàn)出多樣化發(fā)展，其中不平衡數(shù)據(jù)就是一類目前廣泛存在，并出現(xiàn)在許多領域的數(shù)據(jù)類型，如出現(xiàn)在醫(yī)學上的疾病診斷、網(wǎng)絡上的防入侵系統(tǒng)，文本分類等方面。在不平衡數(shù)據(jù)類型中少數(shù)類具有很高的研究價值，通常是人們研究的重點。
傳統(tǒng)的分類算法由于更加關注數(shù)據(jù)整體的分類效果，而由于多數(shù)類的數(shù)量較多，導致算法對于多數(shù)類的分類效果較好，而對于少數(shù)類的分類性能
2、普遍不高。但在實際應用中少數(shù)類通常是我們關注的焦點，對于分類結果起著關鍵作用。
針對這種情況，論文具體分析了傳統(tǒng)分類算法對于少數(shù)類數(shù)據(jù)分類精度不高的原因，并以k-means算法為基礎，提出了基于聚類融合的REKM算法，以改善不平衡數(shù)據(jù)集的不平衡程度。之后將該算法結合隨機森林分類算法，提出了REKM-RF算法，用于不平衡數(shù)據(jù)的分類。
通過對UCI數(shù)據(jù)上的實驗表明，不平衡數(shù)據(jù)集經(jīng)REKM算法處理后，隨機森林算法對于數(shù)據(jù)集
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于少數(shù)類樣本重組的不平衡數(shù)據(jù)分類研究.pdf
- 基于不平衡數(shù)據(jù)的分類方法研究.pdf
- 不平衡數(shù)據(jù)分類問題研究.pdf
- 基于不平衡數(shù)據(jù)的情感分類方法研究.pdf
- 數(shù)據(jù)不平衡分類問題研究.pdf
- 基于集成學習的不平衡數(shù)據(jù)分類的研究及應用.pdf
- 基于集成學習的不平衡數(shù)據(jù)分類.pdf
- 基于支持向量機的不平衡數(shù)據(jù)分類研究及應用.pdf
- 不平衡數(shù)據(jù)集分類問題研究.pdf
- 基于關聯(lián)規(guī)則的不平衡數(shù)據(jù)分類方法研究.pdf
- 半監(jiān)督不平衡數(shù)據(jù)的分類.pdf
- 不平衡數(shù)據(jù)集分類算法的研究.pdf
- 不平衡數(shù)據(jù)的最優(yōu)分類閾值研究.pdf
- 基于不平衡數(shù)據(jù)集的數(shù)據(jù)挖掘分類算法研究.pdf
- 基于過抽樣技術的不平衡數(shù)據(jù)分類研究.pdf
- 基于免疫系統(tǒng)的不平衡數(shù)據(jù)分類方法研究.pdf
- 基于Fisher判別技術的不平衡數(shù)據(jù)分類算法研究.pdf
- 基于支持向量機的不平衡數(shù)據(jù)分類方法研究與應用.pdf
- 關聯(lián)分類改進及不平衡數(shù)據(jù)分類算法研究.pdf
- 基于不平衡數(shù)據(jù)集的文本分類技術.pdf
評論
0/150
提交評論