改进的基于核密度估计的数据分类算法
DOI:
CSTR:
作者:
作者单位:

成都电子科技大学计算机科学与工程学院

作者简介:

李俊林

通讯作者:

中图分类号:

基金项目:


Improved KDE-based Data Classification Algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    目前, 很多基于核密度估计的数据分类算法采用的判别规则忽视了不平衡类问题. 对此, 提出了改进的基于核密度估计的数据分类算法. 该算法可处理不平衡类带来的影响, 并在不平衡类问题严重时也能发挥好的效果, 而且可以推广到多分类问题. 实验结果表明了这种改进是非常有效的, 它提高了基于核密度估计的分类算法对不平衡类的适应力.

    Abstract:

    Many knernel density estimation (KDE)-based data classification methods ignore class imbalance problem.
    Therefore, the improved KDE-based data classification algorithm is proposed, which can enable KDE-based classifier
    to have good prediction ability under that bad condition. Moreover, this improvement can be extended to multi-class
    classification. Experiment results show the effectiveness of the improvement.

    参考文献
    相似文献
    引证文献
引用本文

李俊林.改进的基于核密度估计的数据分类算法[J].控制与决策,2010,25(4):507-514

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2009-05-07
  • 最后修改日期:2009-09-10
  • 录用日期:
  • 在线发布日期: 2010-04-20
  • 出版日期:
文章二维码