原创力文档- 1、本文档共4页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、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。
- 7、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。
- 8、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
查看更多
基于SVM的多类代价敏感学习及其应用-南京师范大学学报
( ) 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
基于 SVM 的多类代价敏感学习及其应用
1, 2 1 1
程学云 ,吉根林 ,凌霄汉
( 1. 南京师范大学 数学与计算机科学学院 ,江苏 南京 2 10097; 2. 南通大学 计算机科学与技术学院 ,江苏 南通 226007)
[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 3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.
[关键词 ] 代价敏感学习 ,支持向量机 ,入侵检测 ,漏报率 ,误报率
[中图分类号 ] TP39 1 [文献标识码 ] A [文章编号 ](2006) 04 007904
SVM Ba sed M ulticla ss CostSen sitive L earn ing and its A pplica tion
1, 2 1 1
CH EN G Xu e yun , J I Ge n lin , L NI X iao h a n
( 1. School of M athem atics and Compu ter Science, N anj ing Norm al Un iversity, N anj ing 2 10097 , Ch ina;
2. School of Compu ter Science and Technology, N antong Un iversity, N antong 226007 , Ch ina)
A b stract: The standard cla ssifier is u sually ba sed on m in im izing the error rate, but in intru sion detection and som e
p ractical p rob lem s, different errors have different co sts. Three k ind s of support vector m ach ine ( SVM ) learn ing
m ethod s ba sed on m in im izing the total m iscla ssification co st are p ropo sed, wh ich introduce the co stsen sitive m echa
n ism in to the p robab ilistic outpu ts of SVM. The re su lts show that we can trade
文档评论（0）