一种面向单个正例的Fisher线性判别分类方法

被引：3

作者：

尹军梅

杨明

机构：

[1] 南京师范大学数学与计算机科学学院

来源：

关键词：

不平衡数据集; Fisher线性判别; 过抽样;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

提出了一种解决不平衡数据集中少数类只有一个样本的方法,找出单个正例在负类中的k个近邻,按照一定规则依次在单个正例和它的各个近邻的连线上产生合成样本,并把这些合成样本添加到原始的正类中,用加权F isher线性分类方法对新的数据集进行训练.实验结果表明该方法可有效地提高少数类的分类性能.

引用

页码：61 / 65

页数：5

共 5 条

[1] 非平衡数据集Fisher线性判别模型
谢纪刚
裘正定
[J]. 北京交通大学学报, 2006, (05) : 15 - 18
[2] PC4.5:用于不均衡数据集的C4.5改进算法
周荃
王崇骏
王王君
陈世福
[J]. 计算机辅助工程, 2006, (03) : 23 - 26
[3] 样本数目不对称时的SVM模型
肖健华
吴今培
[J]. 计算机科学, 2003, (02) : 165 - 167
[4] 模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000
[5] Machine Learning for the Detection of Oil Spills in Satellite Radar Images[J] . Miroslav Kubat,Robert C. Holte,Stan Matwin.Machine Learning . 1998 (2)