湖北省教育厅优秀中青年人才项目(Q20112604)
- 作品数：4 被引量：40H指数：2
- 相关作者：谷琼李文新宁彬袁磊华丽更多>>
- 相关机构：襄樊学院湖北文理学院更多>>
- 发文基金：湖北省教育厅优秀中青年人才项目湖北省自然科学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>>
- 一种基于重取样的代价敏感学习算法被引量：2
- 2011年
- 大多数非均衡数据集的研究集中于纯重构数据集或者纯代价敏感学习,本文针对数据集类分布非均衡和不相等误分类代价往往同时发生这一事实,提出了一种以最小误分类代价为目标的基于混合重取样的代价敏感学习算法。该算法将两种不同类型解决方案有机地融合在一起,先用样本类空间重构的方法使原始数据集的两类数据达到基本均衡,然后再引入代价敏感学习算法进行分类,能提高少数类分类精度,同时有效降低总的误分类代价。实验结果验证了该算法在处理非均衡类问题时比传统算法要优越。
- 谷琼袁磊宁彬熊启军华丽李文新
- 关键词：非均衡数据集代价敏感学习
- 基于遗传蚁群算法的测试用例集约简被引量：8
- 2012年
- 为提高软件测试效率,节省回归测试成本,本文提出了一种新的约简测试用例集的算法.该算法是遗传算法和蚁群算法两种算法的结合,首先利用遗传算法的快速随机全局搜索能力,生成蚁群算法的初始信息素,然后利用蚁群算法的正反馈性,快速得到约简测试用例集的近似最优解.最后通过仿真实验验证了该算法的有效性.
- 华丽王成勇谷琼程虹
- 关键词：遗传算法蚁群算法
- 基于非均衡数据集的代价敏感学习算法比较研究被引量：30
- 2011年
- 大多数非均衡数据集的研究集中于重构数据集或者代价敏感学习,针对数据集类分布非均衡和不相等误分类代价往往同时发生这一事实,在简要回顾代价敏感学习理论和现有学习算法的基础上,将所提出的自适应混合重取样算法,与基于最小误分类代价的MetaCost算法分别进行实验比较,实验表明所提出算法在代价敏感学习中具有一定的优势,实验结果显示非均衡类对代价敏感学习算法性能产生较大影响,当样本类别差异较大时,用样本类空间重构的方法可以得到较好的分类效果.
- 谷琼袁磊熊启军宁彬李文新
- 关键词：非均衡数据集代价敏感学习
- 基于改进的SMOTE和RST的新型混合重取样算法
- 2012年
- 分类预测是数据挖掘和机器学习的重要任务之一,非均衡数据广泛存在于真实世界的分类问题中.本文提出一种新的解决非均衡数据集的预处理方法(ImSMOTE-RSTR*).通过改进的SMOTE方法创建新的人工合成少数类实例,并在此基础上应用基于粗糙集理论的子集下近似技术对训练集进行清理,该算法被验证得到较理想的结果.
- 谷琼袁磊宁彬吴钊华丽李文新
- 关键词：非均衡数据集SMOTE粗糙集理论
