Apr, 2022

通过进化二层优化使用支持向量机处理不平衡分类问题

PDF
TL;DR介绍了一种新的基于演化算法的、双层成本敏感的支持向量机方法 EBCS-SVM，可用于解决非平衡分类问题，并通过对 70 个数据集的实验结果进行比较，证明了其有效性。
support vector machinesbinary classificationimbalanced classificationevolutionary algorithmbayesian test
发现论文，激发创造
  • 多成本场景下支持向量机

    我们提出了一种新颖的支持向量机模型，通过在问题表达中引入性能约束来考虑误分类成本。具体而言，我们的目标是寻求具有最大间隔的超平面，使得误分类率低于给定的阈值。通过解决一个具有线性约束和整数变量的二次凸问题来获得最大间隔超平面。我们的实验结果表明，我们的模型可以使用户在一个类别上对误分类率进行控制，并且运行时间可行。

    Dec, 2023

  • 支持向量机的类别不平衡学习方法：回顾与实证评估

    本论文对于基于支持向量机 (SVM) 及其变种的类不平衡学习方法进行了综述，将 SVM-based 模型按照类不平衡学习进行了层次分类，并比较了各个类别中各种模型的性能，发现融合方法表现最好，但计算负荷较大。对研究空白和未来研究方向进行了讨论。

    Jun, 2024

  • 基于成本敏感的深度信念网络用于不平衡分类

    本文提出了一种基于进化的代价敏感深度置信网络 (ECS-DBN) 方法，使用自适应差分进化来优化不平衡分类中的误分类代价，并将其应用于工具状态监测的实际数据集，证明该方法优于现有算法。

    Apr, 2018

  • 成本敏感的支持向量机概率预测

    提供了一种生成支持向量机的概率输出的新方法，利用集成方法和自举估计，能够处理不平衡数据集，并在广泛的数据集测试中展现了优势。

    Oct, 2023

  • 基于投影的模糊最小二乘双支持向量机在类不平衡问题中的应用

    通过使用基于模糊逻辑的方法来处理类别不平衡和有噪声的数据集，对几种基准数据集和合成数据集进行了实验评估，结果显示所提出的 IF-RELSTSVM 和 F-RELSTSVM 模型在性能上优于基准算法，并进行了统计检验以验证所提出算法的显著性。

    Sep, 2023

  • 单目标双层优化高效进化算法

    本文提出了一种基于二次逼近的基础进化算法（BLEAQ），该方法可以较少的函数评估次数来处理不同类型复杂度的双层优化问题，其有效性已在多组测试问题上得到验证。

    Mar, 2013

  • 支持向量机及其应用

    介绍支持向量机及其应用，强调其稀疏解决方案，对分类和回归问题进行专门的适用，适用文本处理和生物信息学任务，同时介绍了算法推广和实际应用。

    Dec, 2006

  • 数据分类的一种 SVM 方法替代方案

    支持向量机（SVM）是一种流行的用于数据分类的核方法，本文提出一种基于最佳子空间的最小距离的新方法，以解决 SVM 存在的时间处理、高维情况下优化过程失败、多类别泛化、不平衡类别和动态分类的问题，并取得了类似的性能改进。

    Aug, 2023

  • 加权支持向量机的稀疏学习和类概率估计

    我们提出了一种基于加权支持向量机的稀疏学习方法，结合了自动变量选择和准确的概率估计，既能有效地进行变量选择，又能可靠地估计概率。这种方法在自动变量选择和可靠概率估计方面具有巨大优势，并且适用于高维问题。

    Dec, 2023

  • 支持向量网络的统计力学

    通过统计物理学方法，研究支持向量机的泛化性能，发现在简单规则上支持向量机只过度拟合弱，当输入在特征空间存在间隔时，支持向量机的性能会得到大幅增强。

    Nov, 1998