TY -的A2 -华,库恩盟——刘Zhenbing AU -高,Chunyang AU -杨,慧华盟——他,勤加PY - 2016 DA - 2016/12/22厂商TI -一个基于稀疏表示的分类Class-Imbalance问题SP - 8035089六世- 2016 AB -稀疏表示已成功地应用于模式识别和机器学习。然而,大多数现有的基于稀疏表示的分类(SRC)方法实现分类精度最高,假设相同的损失不同误分类。这样的假设,然而,可能不会在许多实际应用不同类型的错误分类可能会导致不同的损失。在现实的应用程序中,数据集的类分布的不平衡。厂商为了解决这些问题,我们提出一种基于稀疏表示的分类(CSSRC) class-imbalance问题通过使用概率建模方法。与传统的SRC方法不同,我们预测类标签的测试样品通过最小化错误分类损失,通过计算得到的后验概率。在UCI数据库实验结果验证该方法的有效性平均误分类代价,积极类误分类率,负类误分类率。此外,我们抽样测试样本和训练样本有不同的不平衡率和使用 F 测量, G 意思是,分类精度和运行时间对该方法的性能进行评估。实验表明,我们提出的方法执行竞争性SRC相比,CSSVM, CS4VM。SN - 1058 - 9244你2016/8035089 / 10.1155——https://doi.org/10.1155/2016/8035089——摩根富林明-科学编程PB Hindawi出版公司KW - ER