典型文献
一种基于高斯混合模型的不均衡分类方法
文献摘要：
为应对不均衡分类问题,提高分类准确率,提出了一种基于高斯混合模型的混合采样集成方法GMHSE(Gaussian-Mixture-model-based Hybrid Sampling Ensemble method),首先通过高斯混合模型将数据划分成多个类簇,然后在每个类簇上混合采样获得多个数据子集,最后基于Bagging技术在类簇内和类簇间进行加权投票完成分类预测.GMHSE通过聚类将对数据进行划分,混合采样保障在不丢失数据信息的同时获得均衡数据集,最后利用集成学习进一步提升模型的泛化性能.实验结果表明,相比已有的一些处理方法,GMHSE可以提升不均衡数据的分类性能.
文献关键词：
不均衡分类;高斯混合模型;集成学习;混合采样
中图分类号：
作者姓名：
方佳锴
作者机构：
同济大学电子与信息工程学院,上海201804
文献出处：
引用格式：
[1]方佳锴-.一种基于高斯混合模型的不均衡分类方法)[J].电脑知识与技术,2022(02):28-30
A类：
GMHSE
B类：
高斯混合模型,不均衡分类,分类方法,分类问题,分类准确率,混合采样,集成方法,Gaussian,Mixture,model,Hybrid,Sampling,Ensemble,method,数据划分,子集,Bagging,加权投票,分类预测,集成学习,泛化性能,不均衡数据,分类性能
AB值：
0.329541
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。
