| 注册
首页|期刊导航|计算机应用与软件|面向分类模型学习的样本类别均衡化方法

面向分类模型学习的样本类别均衡化方法

李国和 刘顺欣 张予杰 郑艺峰 洪云峰 周晓明

计算机应用与软件2022,Vol.39Issue(10):230-237,8.
计算机应用与软件2022,Vol.39Issue(10):230-237,8.DOI:10.3969/j.issn.1000-386x.2022.10.035

面向分类模型学习的样本类别均衡化方法

SYNTHETIC METHOD OF LABEL-BALANCING SAMPLES FOR CLASSIFIER LEARNING

李国和 1刘顺欣 2张予杰 1郑艺峰 2洪云峰 3周晓明1

作者信息

  • 1. 中国石油大学(北京)石油数据挖掘北京市重点实验室 北京 102249
  • 2. 中国石油大学(北京)信息科学与工程学院 北京 102249
  • 3. 塔里木油田克拉油气开发部 新疆 库尔勒 841000
  • 折叠

摘要

关键词

不均衡数据/过采样/高斯混合模型/Jensen-Shannon/散度

分类

信息技术与安全科学

引用本文复制引用

李国和,刘顺欣,张予杰,郑艺峰,洪云峰,周晓明..面向分类模型学习的样本类别均衡化方法[J].计算机应用与软件,2022,39(10):230-237,8.

基金项目

国家自然科学基金项目(60473125) (60473125)

中国石油大学(北京)克拉玛依校区科研启动基金项目(RCYJ2016B-03-001) (北京)

福建省自然科学基金项目(2018J01546,2019J01748). (2018J01546,2019J01748)

计算机应用与软件

OA北大核心CSTPCD

1000-386X

访问量0
|
下载量0
段落导航相关论文