smote采样matlab代码MV-LEAP
基于多视图学习的数据增殖器
(MV-LEAP),用于使用由
Olfa
Graa
创建的高度不平衡的类来促进分类。
请联系查询。
谢谢。
单击此处显示主图:
介绍
这项工作已发表在
2019
年神经科学方法杂志上。
MV-LEAP
是一个用于促进不平衡多视图数据分类的框架。
MV-LEAP
包含两个关键步骤,用于解决分类任务中的两个主要机器学习问题:
问题
1:训练数据不平衡。
提议的解决方案
==>基于流形学习的增殖器,它能够为每个视图生成合成数据,被提议用于处理不平衡的数据。
问题
2:要学习的输入多视图数据的异质性。
建议的解决方案
==>
提出了一种利用张量规范相关分析的多视图流形数据对齐,将所有原始(即基本事实)和增殖(即合成)视图映射到共享子空间中,其中它们的分布针对目标分类对齐任务。
更多细节可以在:)
或
在这个存储库中,我们发布了
MV-LEAP
源代码,该源代码在从
4
个高斯分布中提取的模拟异构多视图数据集上训练和测试,如下所示:
比较方法和MV-LEAP(我们的)的分类结果如下所示:
安装
该框架是在
Matlab
R
2021-06-08 18:05:15
2.17MB
系统开源
1