典型文献
生物医学中高维非均衡数据整合算法
文献摘要：
针对随机森林算法(RF)以及过采样技术处理高维非均衡数据的不足,提出了新的算法:首先结合RF模型基尼系数与袋外数据准确率提出MAG算法,并用此算法对高维数据进行降维处理;其次用动态离差平方和机器学习方法改进中心SMOTE算法来优化非均衡数据少样本结构,使数据结构成为低维均衡结构;最后运用最小二乘支持向量机(LSSVM)与RF对整合数据进行分类来判定所提出的算法的有效性.RF分类器和LSSVM分类器的实验结果表明:所提出的MAG-PDSSD-SMOTE算法整合数据较已有方法在F-value值、G-mean值和Accuracy值上都有显著的提高,所提出算法整合数据较已有方法更精准,但从时间复杂度来看,提出的MAG-PDSSD-SMOTE算法比已有方法复杂一点,但还是处于同一个数量级别.
文献关键词：
MAG-PDSSD-SMOTE算法;随机森林;高维非均衡数据;数据处理
中图分类号：
作者姓名：
肖枝洪;李季;王一超
作者机构：
重庆理工大学 理学院,重庆 400054;内蒙古赤峰市昭乌达中学,内蒙古 赤峰 024099
文献出处：
引用格式：
[1]肖枝洪;李季;王一超-.生物医学中高维非均衡数据整合算法)[J].重庆理工大学学报,2022(07):281-292
A类：
高维非均衡数据,PDSSD
B类：
数据整合,合算,随机森林算法,RF,过采样技术,技术处理,基尼系数,MAG,高维数据,降维处理,离差平方和,机器学习方法,方法改进,SMOTE,少样本,数据结构,低维,最小二乘支持向量机,LSSVM,分类器,value,mean,Accuracy,时间复杂度,同一个,数量级
AB值：
0.276734
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
