| 不平衡数据学习算法在相似性学习中的应用 |
| |
| 引用本文： | 夏佩佩,张莉. 不平衡数据学习算法在相似性学习中的应用[J]. 模式识别与人工智能, 2014, 0(12) |
| |
| 作者姓名： | 夏佩佩 张莉 |
| |
| 作者单位： | 苏州大学 计算机科学与技术学院 苏州215006 |
| |
| 基金项目： | 国家自然科学基金项目，江苏省自然科学基金项目，江苏省高校自然科学研究项目，江苏省青蓝工程项目资助 |
| |
| 摘 要： | 在现实问题中,相似性学习的样本对存在不平衡现象,即相似性样本对的数量会远小于不相似性样本对的数量.针对此问题,文中提出两种样本对构造方法——不相似K近邻-相似K近邻(DKNN-SKNN)和不相似K近邻-相似K远邻(DKNN-SKFN).运用这两种方法可有针对性地选择相似性学习样本对,不仅可加快支持向量机的训练过程,而且在一定程度上解决样本对之间的不平衡问题.在多个数据集上进行文中方法和经典的重采样方法的对比实验,结果表明DKNN-SKNN和DKNN-SKFN具有良好性能.
|
| 关 键 词： | 相似性学习 支持向量机 K近邻 不平衡学习 重采样 |
Application of Imbalanced Data Learning Algorithms to Similarity Learning |
| |
| XIA Pei_Pei,ZHANG Li. Application of Imbalanced Data Learning Algorithms to Similarity Learning[J]. Pattern Recognition and Artificial Intelligence, 2014, 0(12) |
| |
| Authors: | XIA Pei_Pei ZHANG Li |
| |
| Abstract: | |
| |
| Keywords: | Similarity Learning Support Vector Machine K Nearest Neighbor Imbalanced Data Learning Resampling |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
