TY -的A2 Masciari埃利奥•盟——王气AU -罗之浩盟——黄JinCai盟——冯,洋河盟——刘,钟PY - 2017 DA - 2017/01/30 TI -小说整体不平衡数据的方法学习:装袋的Extrapolation-SMOTE SVM SP - 1827016六世- 2017 AB类不平衡无所不在地存在在现实生活中,这吸引了很多不同领域的兴趣。直接学习不平衡数据集可能会造成不满意的结果overfocusing识别的准确性和派生一个理想模型。开发了各种方法在解决这一问题包括抽样、厂商和其他混合的。然而,决定边界附近的样本含有更多的歧视的信息应该得到重视和斜边界将更正通过构造合成样品。灵感来自于真理和几何,我们设计了一个新的合成少数过采样技术将边缘信息。更重要的是,整体模型总是倾向于捕获在实践中更复杂的和健壮的决策边界。考虑到这些因素,小说整体的方法,称为外推的装袋Borderline-SMOTE SVM (BEBS),提出了在处理不平衡数据学习(IDL)问题。开放获取实验数据集显示显著的优越性能使用我们的模型和一个有说服力的和直观的解释背后的方法。据我们所知,这是第一个模型的支持向量机结合边缘信息为解决这样的状况。SN - 1687 - 5265 UR - https://doi.org/10.1155/2017/1827016 - 10.1155 / 2017/1827016摩根富林明计算智力和神经科学PB - Hindawi KW - ER