代价敏感大间隔分布学习机

发布时间：2017-06-06 23:05

  本文关键词：代价敏感大间隔分布学习机，，由笔耕文化传播整理发布。

【摘要】：在现实生活中的很多应用里,对不同类别的样本错误地分类往往会造成不同程度的损失,这些损失可以用非均衡代价来刻画.代价敏感学习的目标就是最小化总体代价.提出了一种新的代价敏感分类方法——代价敏感大间隔分布学习机(cost-sensitive large margin distribution machine,CS-LDM).与传统的大间隔学习方法试图最大化“最小间隔”不同,CS-LDM在最小化总体代价的同时致力于对“间隔分布”进行优化,并通过对偶坐标下降方法优化目标函数,以有效地进行代价敏感学习.实验结果表明,CS-LDM的性能显著优于代价敏感支持向量机CS-SVM,平均总体代价下降了24%.
【作者单位】： 计算机软件新技术国家重点实验室(南京大学);软件新技术与产业化协同创新中心(南京大学);
【关键词】： 代价敏感学习 间隔分布 支持向量机 表示定理 对偶坐标下降法
【分类号】：TP181
【正文快照】： 在现实生活的很多应用中,对不同类别的样本最小化总体代价为目标的代价敏感分类器.针对代错误地分类往往会造成不同程度的损失,这些损失价敏感的二分类问题,再缩放方法已经从理论上得可以用非均衡代价来刻画.例如在医疗诊断中,将病到了支持[1].而最近的研究成果则进一步表明,

【相似文献】

中国重要报纸全文数据库 前1条

1 本报实习生 马燕 本报记者 吴红梅;突破“围城”酝酿腾飞新版图[N];新华日报;2001年

中国硕士学位论文全文数据库 前2条

1 史正谦;基于间隔分布优化的大间隔分类器改进方法研究[D];吉林大学;2016年

2 孙芳芳;移动互联网主要数据业务的分布规律研究[D];北京邮电大学;2015年

  本文关键词：代价敏感大间隔分布学习机，由笔耕文化传播整理发布。

本文编号：427665