May, 2023

基于模糊双支持向量机的三路不平衡学习

PDF
TL;DR本文提出了一种新的三态模糊隶属函数和三态模糊双支持向量机，将三态决策与机器学习中的标准二元分类模型 SVM 相结合，解决了 SVM 需要改进的不平衡分类问题。通过对 47 个不同数据集的比较实验，并从相同数据集中导出不同的不平衡比率的数据集，结果表明，所提出的模型显著优于其他传统的基于 SVM 的方法。
three-way decisionsvmimbalanced classification problemsfuzzy twin support vector machinemachine learning
发现论文，激发创造
  • 双层次犹豫模糊语言词组的顺序三方群体决策

    从粒计算的角度构建了一个新颖的多级连续三态决策组协作决策方法，针对复杂、不确定性的群体决策问题进行了分析和改进，提出了一种高效的信息融合方法，并定义了决策层次的信息提取 / 汇总的概念，利用邻域理论、比较关系和遗憾理论重建了条件概率和相对损失函数的计算，进一步提出了基于连续三态决策的 DHHFLTS 的粒结构以提高决策效率，并给出了 S3W-GDM 的算法，通过示例诊断和与其他方法的比较和敏感性分析来验证了所提方法的效率和合理性。

    Jun, 2024

  • 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

  • 一种自适应加权软边界的不平衡支持向量机分类的广义框架

    提出了一种新的广义框架，即自适应权重函数用于软间隔加权支持向量机 (AW-WSVM)，旨在增强标准支持向量机 (SVM) 中不平衡和异常值敏感性的问题，通过引入权重系数到非约束软间隔支持向量机，并在每次训练之前更新样本权重。在标准数据集和情感分类数据集上进行实验，结果表明所提出的广义框架在准确性、召回率和 G-mean 方面优于其他方法，验证了本论文中提供的加权策略的有效性。

    Mar, 2024

  • 鲁棒的双参数边距支持向量机用于多类别分类

    本文提出了一种双参数边距支持向量机（TPMSVM）模型来解决多类分类问题，该模型通过解决 TPMSVM 类型的模型构建分类器，并通过 Robust 优化技术来鲁棒化，初步实验结果表现良好。

    Jun, 2023

  • 多视点模糊表示学习与基于规则模型

    一种基于可解释的 Takagi-Sugeno-Kang 模糊系统的多视图模糊表示学习方法被提出，该方法从两个方面实现多视图表示学习：将多视图数据转化为高维模糊特征空间，并同时探索视图之间的共同信息和每个视图的特定信息；基于 L_(2,1)-norm 回归的新的正则化方法被提出以挖掘视图之间的一致性信息，并通过拉普拉斯图保持数据的几何结构；通过对多个基准多视图数据集进行广泛实验验证了该方法的优越性。

    Sep, 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

  • 隐私、公平和预测性能动态的三重结

    本文针对机器学习中的公平性、数据隐私等热点问题，并研究了在优化这三个方向时它们之间的相互影响，结论是通过权衡这三个方向的优化无法完全实现。

    Jun, 2023

  • 知识库三元组评分的神经分类器集成

    本文介绍了我们在 WSDM Cup 2017 的三元组评分任务中所采用的方法，该方法采用了多个神经网络分类器的输出，并使用监督式机器学习模型进行了组合。实验结果表明，我们提出的方法在三项指标中的一项（即 Kendall's tau）取得了最佳性能，并在其他两个指标（即准确度和平均分差）上表现出了竞争力。

    Mar, 2017

  • 连续值二分类器的三元工具

    本文提供了一种交互式可视化方法，以支持二元分类器的标定、操作点选择和检验等任务，该方法可以整合到多视图协调系统中，延伸了现有的比较方法，将连续值视为三值（正、不确定、负），并提供了使用案例来展示如何完成关键任务。

    Apr, 2022

  • 基于分类置信度的三维半监督学习

    本研究提出了基于类别置信度的三维半监督学习方法，在动态阈值策略和重新采样策略的帮助下，成功地解决了三维不平衡数据状态下监督学习的问题，并在分类和检测任务中得到了显著提高。

    Oct, 2022