国家教育部博士点基金(20091102120014)
- 作品数：2 被引量：4H指数：2
- 相关作者：熊海涛吴俊杰李明任义丽刘鲁更多>>
- 相关机构：北京航空航天大学中国石油大学（北京）北京工商大学更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于组合局部孤立点的噪声处理算法被引量：2
- 2013年
- LOF(Local Outlier Factor)算法是基于密度的典型孤立点识别算法,在实践中被广泛用于检测属性噪声。然而,LOF算法没有综合考虑类与类、类与整体之间的信息,因而对类别噪声识别欠佳。CLOF(Combined Local Outlier Factors)是在LOF算法的基础上提出一种基于组合局部孤立系数的类别噪声处理算法。算法通过lofa、lof1、lof0三个局部孤立系数值,首先在整体数据集上剔除属性噪声,其次综合利用整体和局部信息,通过3个lof值之间的关系来识别类别噪声,并更正其类标签。在仿真数据集和UCI数据集上的实验结果表明,CLOF算法能够同时有效识别类别噪声和属性噪声,提高分类器的分类精度,对具有类重叠的复杂数据处理效果尤佳。
- 任义丽刘洪甫熊海涛吴俊杰
- 关键词：模式识别异常点检测
- LSVDD：基于局部支持向量数据描述的稀有类分析算法被引量：2
- 2012年
- 在单类支持向量数据描述算法的基础上,提出了一种基于局部支持向量数据描述的稀有类分析算法:LSVDD,能够处理存在类重叠的类不平衡问题.该算法利用支持向量数据描述算法对各类样本分别进行单类学习,从而获得单类模型:然后对单类模型的概念重叠区域使用属性选择进一步进行局部单类学习,最后得到综合分类模型.在仿真数据集和UCI数据集上的实验结果表明,LSVDD能够有效和稳定地提高稀有类分析精度.
- 熊海涛吴俊杰刘鲁李明
- 关键词：数据挖掘支持向量数据描述
