不均衡数据SVM分类算法及其应用

副标题：无

作者：陶新民，刘福荣，杜宝祥著

分类号：

ISBN：9787538868326

收录收藏 (0) 评论纠错

微信扫一扫,移动浏览光盘

简介

简介

支持向量机(SVM)是以统计学习理论为基础的一种新型机器学习方法。本著作首先描述不均衡学习问题对SVM算法的影响，然后介绍基于数据预处理的不均衡数据分类方法、集成分类算法及理论分析、如何利用SVM算法自身的性质解决不均衡数据分类问题等内容。

第一章  概述
  1.1  问题的本质
  1.2  国内外不均衡学习研究现状
    1.2.1  算法层面的处理方法
    1.2.2  样本层面的处理方法
  1.3  评估指标
  1.4  本书的安排
第二章  支持向量机综述
  2.1  支持向量机
    2.1.1  最优分类界面的定义
    2.1.2  最优分类界面的构建
    2.1.3  广义最优分类界面
    2.1.4  支持向量机的构建
  2.2  核函数
    2.2.1  高斯核函数
    2.2.2  多项式核函数
    2.2.3   S型核函数
  2.3  不均衡数据对sVM性能的影响
  2.4  本章小结
第三章  不均衡学习的抽样方法
第四章  基于ODR和BSMOTE的不均衡SVM分类算法
第五章  基于阴性免疫过抽样的不均衡分类算法
第六章  基于谱聚类欠抽样不均衡SVM分类算法
第七章  集成方法
第八章  集成算法的理论分析
第九章  两类不均衡数据学习的代价敏感学习算法
第十章  基于核聚类欠抽样集成不均衡SVM分类算法
第十一章  核偏移及主动学习欠抽样不均衡SVM算法
第十二章  不均衡SVM分类算法在故障诊断中的应用
第十三章  结论与展望
参考文献

已确认勘误

页码	勘误内容	提交人	修订印次

不均衡数据SVM分类算法及其应用

名称
类型
大小

用户反馈

FAQ

不均衡数据SVM分类算法及其应用

已确认勘误

第次印刷 筛选

第次印刷