检索结果-南通市图书馆

The Research of One Novel Cost-Sensitive Classification Algorithm

Chinese Journal of Electronics 2018年第5期27卷 1015-1024页

作者： ZHOU Jingjing SUN Weifeng HAN Xiaomin LU Ruqiang ZHANG Yuanqi ZHANG Shenwei Zhejiang Gongshang University School of Software Dalian University of Technology

Assuming that misclassification costs between different categories are equal, traditional Graph based semi-supervised classification(GSSC) algorithms pursues high classification accuracy. In many practical problems, especially in the fields of finance and medicine,compared with global classification accuracy, less cost on global misclassification is more likely to be the most significant factor. We propose one novel cost-sensitive classification algorithm based on the local and global consistency, which utilizes the semi-supervised classification algorithms better, and ensures higher classification accuracy on the basis of reducing overall cost. Our improved algorithm may bring some problems due to unbalanced data account, so we introduce synthetic minority oversampling technique algorithm for further optimization. Experimental results of bank loans and medical problems verify the effectiveness of our novel classification algorithm.

关键词： Graph-based semi-supervised classification(GSSC) Cost-sensitive rescale

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于LGC算法的代价敏感分类方法研究

基于LGC算法的代价敏感分类方法研究

引用

作者：韩晓敏大连理工大学

学位级别：硕士

现实生活的许多问题中,存在着错分类代价不一致的情况,尤其是在金融、医疗等领域。在这类问题中,相对较高的全局分类精度而言,更小的全局错分类代价成为分类器的主要训练目标,因此传统的半监督分类方法不再适用。代价敏感的学习方法所... 详细信息

现实生活的许多问题中,存在着错分类代价不一致的情况,尤其是在金融、医疗等领域。在这类问题中,相对较高的全局分类精度而言,更小的全局错分类代价成为分类器的主要训练目标,因此传统的半监督分类方法不再适用。代价敏感的学习方法所具有的代价敏感特性,能够反映错分类代价不一致的情况,成为解决这类问题的主要手段。半监督学习方法,只需要少量的已知信息和较为严格的假设,即可有效地完成更符合现实生活的学习任务。本文中充分的利用了大量的无标签数据,将半监督学习和代价敏感学习结合起来,提出了一种牺牲可以接受范围内的分类精度,以换取尽可能小的全局代价的半监督分类方法,赋予其代价敏感的特性,有效地帮助解决错分类代价不一致的分类问题。在这篇文章中,首先,通过对代价敏感学习算法的研究与分析,将代价敏感的学习方法分成为数据层面上的处理和算法层面上的思想,并且对提出这种分类方式的依据做了详细的阐述。其次,提出了代价敏感的局部与全局一致性方法(Cost-Sensitive LGC, CS-LGC),使其具有代价敏感的特性,并且通过弱分类器加权投票的方式获得了性能更优的全局分类器。然后,分析不平衡数据给CS-LGC算法带来的分类器性能不稳定的潜在可能性(由错误累加等因素造成),结合SMOTE的算法思想,我们进一步提出了优化的CSS-LGC算法。同时,对算法中所涉及到的阈值的选取做了分析和研究。对比实验的实验结果充分说明了CS-LGC和CSS-LGC算法在解决代价敏感分类问题上的有效性。

关键词：半监督分类代价敏感 LGC rescale SMOTE

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：