基于随机下采样和SMOTE的不均衡SVM分类算法
传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。
文件下载
评论信息
其他资源
- 希尔伯特变换（HT)
- 布谷鸟算法求解函数最小值matlab
- javaWeb传智播客网上书城项目源码设计以及实现论文
- 基于systemview的PCM系统设计
- STM32F407 中文双版完整版开发手册
- 色差值计算公式.xls
- 电子购物商城系统（C#实现）
- SC-FDMA matlab
- SerialAssistant.exe
- UG3轴后处理资料，很好用
- 图说Kepserver_Data Exchange Client配置说明
- Java静态检测工具的简单介绍
- 桌面图标贪吃蛇.zip
- 细微的-源码
- 基于BPMN2.0的工作流（Workflow）
- IEC 60335-1 [2010版本.].pdf
- Realtek PCIe GBE Family Controller WIN7/WIN2008 驱动
- ecology80表结构.rar
- 网上票务系统概要设计（二）
- 基于ASP.NET的超市管理系统
- web开发工程师java简历模板
- VS+QT+Balser相机开发
- Horland-运维监控系统
- 曲柄连杆机构运动过程动画VB编程的实现
- 宏达律师事务所管理系统破解版
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明