• 年份
  • 2013(1)
  • 2006(1)
  • 核心收录
  • 中国科技论文与引文数据库(CSTPCD)(2)
  • 中国科学引文数据库(CSCD)(1)
  • 北京大学中文核心期刊目录(北大核心)(1)
  • 刊名
  • 计算机工程(1)
  • 计算机技术与发展(1)
  • 作者单位
  • 大连理工大学(1)
  • 语种
  • 汉语(2)
  • 关键词
  • 未标注数据(2)
  • Bagging(1)
  • EM(1)
  • 不平衡分类(1)
  • 半监督聚类(1)
  • 多项式模型(1)
  • 标注数据(1)
  • 模糊聚类(1)
  • 相似度(1)
  • 更多...

  • 作者
  • 刘明(1)
  • 吴江宁(1)
  • 宣照国(1)
  • 沈蕾(1)
  • 燕继坤(1)
  • 石盛平(1)
  • 更多...

相关度
  • 相关度
  • 发表时间
每页显示10条
  • 每页显示10条
  • 每页显示20条
  • 每页显示30条
已找到 2 条结果
  • 基于单边抽样的LPU北大核心CSCDCSTPCD
    摘要:提出结合单边抽样Bagging与LPU的基本思想对不平衡数据进行分类.主要步骤是:将未标注实例全标为反类,和正例一起训练单边抽样Bagging学习器,将得到的学习器对未标注实例分类得到可靠的反例(RN),再用正例和RN训练SSBagging学习器.使用Rocchio和EM进行分类是Liu等提出的一种有代表性的LPU.比较了这种LPU和该文提出的方法,发现当数据的不平衡性很明显时,后者要优于前者.
  • 基于双向选择调整策略的半监督聚类算法CSTPCD
    摘要:  半监督聚类算法通常利用标注数据优化类别描述参数(如类的中心),然后通过类别描述参数划分无标注数据的类别,但是没有考虑标注数据对其周围无标注数据的类别划分的直接作用。文中提出一种双向选择调整策略,在根据类别描述参数对数据进行类别划分之后,利用标注数据调整其周围未标注数据的类别标签,从而提高类别划分的准确度。该方法根据标注数据周围的数据密度来动态确定数据调整范围,并采用新的相似度计算方法提高被调整的数据准确度。文中利用双向选择调整策略…查看全部>>