电子发烧友
2220次浏览
现有的基于机器学习的入侵检测方法大多专注于提高整体检测率和降低整体的漏报率,忽视了少数类别的检测率和漏报率,为此,提出了一种基于SMOTE( synthetic minority
2018-01-17 18:10
提出一种基于Borderline- SMOTE和双Δ ttention的入侵检测方法。首先对入侵数据进行 Borderline- SMOTE过采样处理,解决了数据非平衡问题,并且利用卷积网络在图像特征提取方面的优势,将一维流量数据转化为灰度图像;然后通过双注意力网
2021-04-08 16:17
本次分享的主题是关于数据挖掘中常见的非平衡数据的处理,内容涉及到非平衡数据的解决方案和原理,以及如何使用Python这个强大的工具实现平衡的转换。
2018-05-15 14:08
硬盘样本划分成多个不相交子集;再与故障硬盘样本结合,采用少量样本合成过采样技术( SMOTE)使整体样本集趋于平衡;最后采用LIBSVM分类算法预测故障硬盘。调整参数,将COG-OS与SMOTE+支持向量机(SVM)的预测性能相比较,实验结果表明该方法具有可行性。
2018-02-04 11:38
如何提高对少数类样本的识别能力是不平衡数据分类中的一个研究热点。合成少数类过采样技术( SMOTE)是解决此类问题的代表性方法之一。近年来,不少研究者对 SMOTE做出了一些改进,较好地提高了该方法
2021-04-12 16:09
)、遗传算法(GA)、Borderline-SMOTE算法提升模型精度。模型在预处理阶段使用Borderline-SMOTE算法处理非平衡数据集的分类问题,接着利用遗传神经网络模拟泥石流主要指标与易发程度的非线性关系,最后结合MIV算法定量分析指标与易发程度相关性
2018-11-23 18:43
增益算法实现了关键特征选取;其次,综合微博特征数据的特点来改进少数类样本合成过采样技术( SMOTE),对原始数据集进行非参数概率分布估计,并根据近似概率分布对数据集进行过采样处理,从而使正反例数据量达到平衡;最后,利
2018-01-07 10:09
,将上下文中填充过框架元素的内容构成候选语集合,并通过改进的 SMOTE算法对少数类样本数据进行扩展,解决了候选语集合数据的非平衡问题。在此基础上,借助汉语框孆知识库提取语义相似性特征,利用框架元素间的映射关系提升零
2021-06-03 15:16
为优化针对非均衡数据的分类效果,结合犹豫模糊集理论与决策树算法,提出一种改进的模糊决策树算法。通过 SMOTE算法对非均衡数据进行过采样处理,使用K- means聚类方法获得各属性的聚类中心点,利用
2021-06-09 15:51