|
国家科技期刊平台
登录
|
注册
检索
高级检索
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
1
条结果
改进的不平衡贝叶斯学习分类模型研究
北大核心
CSCD
CSTPCD
作者：
韩忠明
刘聃
段大高
杨伟杰
张珣
发表期刊：
计算机应用研究 2020年12期
关键词：
不平衡分类
数据挖掘
类间隔似然函数
贝叶斯学习
摘要：
基于函数逼近的方法存在少数类样本不足时分类效果不佳的问题,针对此问题提出了不平衡贝叶斯学习分类模型.模型引入类间隔似然函数,用于降低后验分布在参数空间上存在的偏态性,以采样到对各类样本分类精确的参数点.在UCI、KEEL上的公开不平衡数据集中的实验结果验证了所提方法的有效性;基于MINIST数据集构建了两个不平衡数据集,在这两个数据集中几何均值分别达到92.4％和81.6％.
