基于svm的多类代价敏感学习及其应用 - 工程技术版.pdfVIP

下载本文档

9
0
约1.34万字
约 4页
2017-08-21 发布于天津
举报
版权申诉

基于svm的多类代价敏感学习及其应用 - 工程技术版.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第卷第期南京师范大学学报工程技术版年月基于的多类代价敏感学习及其应用程学云吉根林凌霄汉南京师范大学数学与计算机科学学院江苏南京南通大学计算机科学与技术学院江苏南通摘要标准的分类器设计一般基于最小化错误率在入侵检测等问题中不同类型的错分往往具有不等的代价通过在支持向量机的类概率输出中引入代价敏感机制提出了种基于最小化总体错分代价设计分类器的方法实验结果表明通过改变代价矩阵能在漏报率误报率及稀有类样本的错误率之间调节从而保证在误报率尽可能小的情况下降低漏报率和稀有类样本的错误率以减少总体错分代价关键

( ) Vo l. 6 No. 4 第 6卷第 4 期南京师范大学学报工程技术版 2006年 12 月　 JOURNAL OF NANJ IN G NORMAL UN IV ER SITY ( EN GIN EER IN G AND TECHNOLO GY ED ITION ) 　 D ec, 2006