代价敏感学习

作品数：124被引量：760H指数：15
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：刘小洋邹鹏周志华刘胥影尹金良更多>>
相关机构：南京大学哈尔滨工业大学广西师范大学西南石油大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金中央高校基本科研业务费专项资金江苏省自然科学基金国家高技术研究发展计划更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=软件学报x
共 条 记 录，以下是1-4
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
代价敏感学习方法综述被引量：31
《软件学报》2020年第1期113-136,共24页万建武 杨明 
国家自然科学基金(61502058,61876087)。
分类是机器学习的重要任务之一.传统的分类学习算法追求最低的分类错误率,假设不同类型的错误分类具有相等的损失.然而,在诸如人脸识别门禁系统、软件缺陷预测、多标记学习等应用领域中,不同类型的错误分类所导致的损失差异较大.这要求...
关键词：代价敏感 损失 分类 人脸识别 软件缺陷预测 多标记学习 
基于代价敏感多标记学习的开源软件分类被引量：2
《软件学报》2014年第9期1982-1991,共10页韩乐 黎铭 
国家自然科学基金(61272217;61321491);教育部新世纪优秀人才计划(NCET-13-0275);江苏省自然科学基金(BK20131278)
随着开源软件数量的增多,从开源软件社区中有效检索到所需的开源软件是具有挑战性的工作.现有方法通常是:首先,人工给每个软件赋予多个描述其功能、用途的标注;然后,通过关键词匹配寻找用户所需的软件.由于其简单、方便,基于标注进行软...
关键词：软件挖掘 机器学习 多标记学习 代价敏感学习 软件自动标注 
具有Fisher一致性的代价敏感Boosting算法被引量：11
《软件学报》2013年第11期2584-2596,共13页曹莹 苗启广 刘家辰 高琳 
国家自然科学基金(61072109;61272280;41271447;61272195);新世纪优秀人才支持计划(NCET-12-0919);西安市科技局项目(CXY1341(6));中央高校基本科研业务费专项资金(K5051203020;K5051203001;K5051303016;K5051303018;K505131 00006)
AdaBoost是一种重要的集成学习元算法,算法最核心的特性"Boosting"也是解决代价敏感学习问题的有效方法.然而,各种代价敏感Boosting算法,如AdaCost、AdaC系列算法、CSB系列算法等采用启发式策略,向AdaBoost算法的加权投票因子计算公式...
关键词：代价敏感学习 贝叶斯决策 Fisher一致性 ADABOOST 二分类 
一种面向人脸识别的加权代价敏感局部保持投影被引量：9
《软件学报》2013年第5期1155-1164,共10页万建武 杨明 吉根林 陈银娟 
国家自然科学基金(60873176;61272222;61003116);江苏省自然科学基金(BK2011782;BK2011005);江苏省创新基金(CXZZ12_0386)
传统的局部保持降维方法追求最低的识别错误率,即假设每一类的错分代价都是相同的.这个假设在真实的人脸识别应用中往往是不成立的.人脸识别是一个多类的代价敏感和类不平衡问题.例如,在人脸识别的门禁系统中,将入侵者错分成合法者的损...
关键词：局部保持降维 人脸识别 代价敏感学习 类不平衡 多类 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部