东篱科研大数据发现系统（DRDS）

位置：成果数据库 > 期刊 > 期刊详情页

动态社区发现算法的研究进展

期刊名称：计算机应用研究
时间：0
页码：3211-3214
语言：中文
分类：TP391.4[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
作者机构：[1]北京科技大学信息工程学院,北京100083, [2]聊城大学计算机学院,聊城252059, [3]中国矿业大学机电与信息工程学院,北京100083, [4]首都师范大学信息工程学院,北京100089
相关基金：国家自然科学基金（60675030,60875029）,教育部科技重点项目（教技司[2000]175）和北京市自然科学基金（4022008）资助项目.
相关项目：基于大规模复杂结构知识库的知识发现机理、模型与算法研究

关键词：非平衡数据分类, 异构分类器, 差异采样率, 分类模型, classification of imbalanced datasets, heterogeneous classifier, differentiated sampling rate, ensemble classifier model

中文摘要：

为解决非平衡数据分类中的正样本分类精度不高的瓶颈问题，提出了一种异构分类器融合环境下的非平衡数据分类模型。该模型基于差异采样率的重采样算法和改进的Adaboost算法，融合了SVM和C5．0两种基分类器；基于知识融合机制，采用了独特的分类器选择策略、分类器集成方法、分类决策方案。仿真实验结果表明，SCECM模型分类性能稳定，在非平衡数据集上具有良好的分类性能。

英文摘要：

To solve the precision bottleneck of positive sample classification presents the SCECM, a new kind of SVM-C5. 0 ensemble classifier classifier fusion environment. SCECM adopts a differentiated sampling in imbalanced dataset classifying, this paper model which works under the heterogeneous rate algorithm proposed in this study and the improved Adaboost algorithm, takes the two base classifiers of SVM and C5.0, and ttses the unique classifier selection strategy, novel classifier integration approach and original classification decision-making method. Th tion results prove that the SCECM shows the stable and perfect performance when it is applied to imbalan e simula- ced datasets.