国产精品区一区二区三在线播放,亚洲国产欧美日韩另类

內(nèi)容簡介

　　不均衡數(shù)據(jù)分類問題是機器學習和模式識別領域的研究重點。陶新民、劉福榮和杜寶祥著的《不均衡數(shù)據(jù)SVM分類算法及其應用》以SVM為分類器給出基于0DR的欠抽樣、基于譜聚類的欠抽樣以及基于陰性免疫的過抽樣算法。《不均衡數(shù)據(jù)SVM分類算法及其應用》根據(jù)SVM分類算法的自身特點，將SVM算法與集成算法相結(jié)合給出基于核聚類集成的不均衡數(shù)據(jù)分類算法，以及基于核矩陣偏移和主動學習欠抽樣的不均衡數(shù)據(jù)SVM分類算法。最后，《不均衡數(shù)據(jù)SVM分類算法及其應用》將不均衡SVM分類算法應用到故障診斷領域。《不均衡數(shù)據(jù)SVM分類算法及其應用》可供理工科高等學校信息科學，人工智能和自動化技術等相關專業(yè)的教師和研究生閱讀，也可供自然科學和工程技術領域中的研究人員參考。

作者簡介

暫缺《不均衡數(shù)據(jù)SVM分類算法及其應用》作者簡介

圖書目錄

第一章概述
　1.1 問題的本質(zhì)
　1.2 國內(nèi)外不均衡學習研究現(xiàn)狀
　　1.2.1 算法層面的處理方法
　　1.2.2 樣本層面的處理方法
　1.3 評估指標
　1.4 本書的安排
第二章支持向量機綜述
　2.1 支持向量機
　　2.1.1 最優(yōu)分類界面的定義
　　2.1.2 最優(yōu)分類界面的構(gòu)建
　　2.1.3 廣義最優(yōu)分類界面
　　2.1.4 支持向量機的構(gòu)建
　2.2 核函數(shù)
　　2.2.1 高斯核函數(shù)
　　2.2.2 多項式核函數(shù)
　　2.2.3 S型核函數(shù)
　2.3 不均衡數(shù)據(jù)對sVM性能的影響
　2.4 本章小結(jié)
第三章不均衡學習的抽樣方法
第四章基于ODR和BSMOTE的不均衡SVM分類算法
第五章基于陰性免疫過抽樣的不均衡分類算法
第六章基于譜聚類欠抽樣不均衡SVM分類算法
第七章集成方法
第八章集成算法的理論分析
第九章兩類不均衡數(shù)據(jù)學習的代價敏感學習算法
第十章基于核聚類欠抽樣集成不均衡SVM分類算法
第十一章核偏移及主動學習欠抽樣不均衡SVM算法
第十二章不均衡SVM分類算法在故障診斷中的應用
第十三章結(jié)論與展望
參考文獻