代价敏感支持向量机
以分类精度为目标的传统分类算法通常假定:每个样本的误分类具有同样的代价且每类样本数大致相等.但现实数据挖掘中该假定不成立时,这些算法的直接应用不能取得理想的分类和预测.针对此缺隙,并基于标准的SVM,通过在SVM的设计中集成样本的不同误分类代价,提出代价敏感支持向量机(CS-SVM)的设计方法.实验结果表明CS-SVM是有效的.
文件下载
评论信息
其他资源
- 104电力规约的c#部分功能实现
- 鲁棒控制理论_吴敏.pdf
- 粗糙集理论中计算约简的源代码，本人上传，提供帮助
- PCA 人脸识别算法
- opengl实现动画
- 达内培训的C# PPT原版
- com.dbeaver.resources.drivers.informix_1.0.0.zip
- AIML参考手册（中文版）
- 零死角玩转STM32—F103指南者.zip
- python实现bp神经网络
- sunjce_provider.jar
- java核心技术卷Ⅰ(第10版英文版)
- OLED模块封装库
- Dance-Website：使用mongo DB以及express和node JS的Dance网站项目-源码
- 【场论】知识梳理.pdf
- 三维重建算法 MATLAB 点云数据
- ddmlib-26.0.0.jar
- veritas backup exec 16 中文版说明书
- opencv_contrib-3.3.0
- linux操作系统 基于内核模块的进程信息展示
- qt聊天气泡
- 毕向东25天的所有教程过程详细笔记
- MATLAB数值类综合算法常用数值计算工具包
- 移远EC20 MQTT协议文档 英文
- 简单的端口扫描器
- 微信小程序获取用户信息和自定义token两种方法
- asp无限级分类（asp+access）
- PhotoSwipe4.1.1Demo-图片浏览插件仿微信朋友圈程序文件
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