正版
基于自然近邻的局部核心或不均匀样本生成分类框架研究
- 书名
- 基于自然近邻的局部核心或不均匀样本生成分类框架研究
- 作者
- 黎隽男,王璐烽,李永松 著
- 出版社
- 重庆大学出版社
- 出版时间
- 2025-08-01
- ISBN
- 9787568955713
- 货号
- 1204428735
- 品相
- 全新
- 分类
- 当代·文化
- 书名
- 基于自然近邻的局部核心或不均匀样本生成分类框架研究
- 作者
- 黎隽男,王璐烽,李永松 著
- 出版社
- 重庆大学出版社
- 出版时间
- 2025-08-01
- ISBN
- 9787568955713
- 货号
- 1204428735
- 品相
- 全新
- 分类
- 当代·文化
目录▼
1 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 半监督自标记方法的研究现状
1.2.2 不平衡数据过抽样方法的研究现状
1.3 研究目的
1.4 研究内容
1.5 论文组织结构
2 相关概念及算法
2.1 半监督自标记方法概述及相关研究
2.1.1 半监督自训练方法概述
2.1.2 半监督协同训练方法概述
2.1.3 半监督Tri-training方法概述
2.2 不平衡数据过抽样方法概述及相关研究
2.2.1 少数类过抽样方法SMOTE概述
2.2.2 Borderline-SMOTE概述
2.3 自然近邻的概念
2.4 半监督分类和不平衡分类的评价指标
3 基于密度峰值和可扩展的局部噪声过滤器的半监督自训练方法的研究
3.1 现有基于噪声过滤的半监督自训练方法存在的问题
3.2 基于密度峰值和可扩展的局部噪声过滤器的半监督自训练方法
3.2.1 用密度峰值聚类发现数据空间结构
3.2.2 可扩展的局部噪声过滤器
3.2.3 STDPNF的伪代码和算法分析
3.3 实验分析
3.3.1 实验数据集与实验设置
3.3.2 STDPNF与流行的半监督自训练算法的比较实验
3.3.3 STDPNF中的局部噪声过滤器与现有的噪声过滤器的比较实验
3.3.4 验证STDPNF的平均运行时间的实验
3.4 小结
4 基于局部核心的半监督自标记框架的研究
4.1 现有的半监督自标记方法和半监督自标记框架存在的问题
4.2 基于局部核心的半监督自标记框架
4.2.1 发现一些无标记的局部核心
4.2.2 用主动标记或协同标记预测被发现的局部核心
4.2.3 LC-SSC的伪代码
4.3 实验分析
4.3.1 实验数据与实验设置
4.3.2 验证使用主动标记的LC-SSC的有效性的实验
4.3.3 验证使用协同标记的LC-SSC的有效性的实验
4.3.4 比较LC-SSC与存在的半监督自标记框架的实验
4.3.5 比较半监督自标记框架的平均运行时间
4.4 小结
5 基于自然近邻的少数类过抽样方法的研究
5.1 现有不平衡数据过抽样方法存在的问题
5.2 基于自然近邻的少数类过抽样方法
5.2.1 基于自然近邻的插值
5.2.2 NaNSMOTE的伪代码
5.3 实验分析
5.3.1 实验数据集与实验设置
5.3.2 NaNSMOTE与有不同k值的SMOTE的比较实验
5.3.3 用基于SMOTE的改进验证NaNSMOTE的实验
5.3.4 验证NaNSMOTE的平均运算时间
5.4 小结
6 基于自然近邻和差分进化的不平衡数据过抽样方法的研究
6.1 现有的基于噪声过滤的不平衡数据过抽样方法存在的问题
6.2 基于自然近邻和差分进化的少数类过抽样方法
6.2.1 基于自然近邻的错误侦察技术
6.2.2 用差分进化来优化可疑的噪声
6.2.3 SMOTE-NaN-DE的伪代码
6.3 实验分析
6.3.1 实验数据集与实验设置
6.3.2 用SMOTE-NaN-DE改进基于SMOTE的方法的实验
6.3.3 SMOTE-NaN-DE与能处理噪声的过抽样方法的比较实验
6.3.4 验证SMOTE-NaN-DE的平均运算时间
6.4 小结
7 总结与展望
7.1 工作总结
7.2 工作展望
参考文献
文摘▼
本书主要围绕机器学习和数据挖掘中的半监督或不平衡分类,针对挑战性问题,如噪声、生成、参数依赖、受有标记样本的数量和分布限制,从研究背景、算法问题描述、算法设计、算法理论分析、仿真实验验证、算法优缺点、总结与展望等方面介绍一种基于密度峰值和可扩展的局部噪声过滤器的半监督自训练方法、一种基于局部和分散进化的半监督自标记框架、一种基于自然邻近的少数类过抽样方法及一种自然基差分驱动的不平衡数据过抽样方法。
本书算法适用于基于人工智能算法的各种应用,如图像识别、信贷风险预测等。





