国家重点基础研究发展计划(2008CB317108)
- 作品数：3 被引量：8H指数：2
- 相关作者：袁鼎荣黄樑昌朱曼龙张师超李作春更多>>
- 相关机构：广西师范大学悉尼科技大学更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划广西研究生教育创新计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 代价敏感学习的过度拟合问题研究被引量：2
- 2009年
- 代价敏感学习算法的目的是最小化各种代价总和,与其他学习算法一样,它必须面对过度拟合这个挑战性问题,即分类器可以较好地拟合训练数据,但对测试或实际数据的效果较差。针对代价敏感学习的这些缺点,提出两个克服过度拟合的策略。第一个滤波技术策略针对TCSDT分类建立,滤波后的概率估计值被用于对每个分离属性的潜在误分类代价计算,并延缓潜在大误分类代价的分离属性的优先选择,最后,采用交叉验证方法决定m的值。第二个策略与基于标准错误的Laplace剪枝方法不同,阈值剪枝采用一个预先定义的阈值集合(跟代价有关)来确定决策树的一个叶节点是否被剪除。这两策略可独立或联合用于避免TCSDT分类的数据过度拟合。实验表明,所提出的两算法不但在代价敏感学习中有优势,在非代价敏感学习也具有优势,可以有效地减弱过度拟合,有很强的健壮性,UCI数据集实验结果显示算法的拟合能力平均优于存在方法10%以上。
- 李作春周秀梅袁鼎荣
- 关键词：学习算法
- 一种新颖周期模式的挖掘被引量：1
- 2008年
- 基于小波数据结构设计了一种用于挖掘新的周期模式(RPP)的算法.该周期模式不同于以支持度为度量标准挖掘的周期或半周期模式,它能有效地发现RPP中P=〈Am→Bn〉这样的模式.实验证明该算法是有效的,且具有很好的延展性.
- 梁文忠尤晓芳袁鼎荣
- QENNI:一种缺失值填充的新方法被引量：5
- 2010年
- 针对k最近邻填充算法(kNNI)在缺失数据的k个最近邻的选择上可能存在偏好,提出一种新的缺失填充算法:象限近邻填充算法QENNI(quadrant-encapsidated-nearest-neighbor-based imputation),它仅仅使用缺失数据象限方向的最近邻数据填充该缺失值,避免了kNNI中选取的k个最近邻点有偏好这一情况。另外,此算法对于低维数据集可以是无参的,即消除了对参数的依赖。实验结果表明,QENNI算法的填充准确性要优于kNNI算法。
- 张师超朱曼龙黄樑昌
- 关键词：缺失值
