张素玲
- 作品数：5 被引量：6H指数：2
- 供职机构：焦作大学更多>>
- 发文基金：国家自然科学基金河南省教育厅自然科学基金更多>>
- 相关领域：自动化与计算机技术理学农业科学更多>>
- SVM中一种新的减样方法
- 2007年
- 支持向量机（support vector machine，SVM）（文献[1—2]）是近几年来的研究热点，特别是使用SVM进行分类获得了极大的成功。然而当样本较大时，运算速度比较慢，使其应用受到了局限。文献[3]提出了中心支持向量机，它把以往的支持向量机同中心向量结合使用，改善了最优超平面的分类能力。受此启发。
- 黄彦辉薛贞霞张素玲
- 关键词：SVM支持向量机
- 广义凸(h,φ)-多目标规划的充分性和对偶性被引量：2
- 2007年
- 在两类(h,φ)-广义凸函数的假设下,用分析方法研究(h,φ)-多目标规划的最优性条件和对偶问题,得到了一些充分最优性条件和对偶定理.
- 余国林张素玲
- 关键词：多目标规划对偶
- 基于类权重的模糊不平衡数据分类方法被引量：1
- 2008年
- 针对现有分类算法通常对不平衡数据挖掘表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,提出一种不平衡数据分类方法。该方法通过一个超球面将两类数据以最大分离比率分离,并且引入类权重因子和样本模糊隶属度,同时考虑了不同类的重要性和不同样本对该类的不同贡献,从而提高了不平衡数据中正类的分类和预测的性能以及整体的推广能力。分别在人造数据和UCI真实数据上进行了实验,结果验证了该方法的有效性。
- 薛贞霞张素玲刘三阳
- 关键词：不平衡数据
- 基于球边界的不平衡数据分类方法被引量：1
- 2008年
- 现有分类算法对不平衡数据挖掘通常表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,为此提出一种不平衡数据的分类方法。该方法对不同类引入不同的惩罚参数来灵活控制两类错分率的上界,通过一个超球面将两类数据以最大分离比率分离,从而提高不平衡数据对正类分类和预测的性能。实验结果表明,该方法可以有效提高不平衡数据的分类性能。
- 雷治军张素玲薛贞霞
- 关键词：不平衡数据超球面
- 支持向量机中核参数选择的Max-Min方法被引量：2
- 2007年
- 通过核函数技巧,定义了高维空间中两样本点之间的距离.引入异类距离平方阵,提出了一种新的选择SVM核参数准则,并给出算法,即max-min方法.该方法利用不同类的训练样本之间的距离,而不通过SVM标准样本训练寻求最优的(或有效的)核参数,避免了传统SVM在模型选择上经验性强和计算量大的不足.同时又分别以径向基核函数(RBF)和多项式函数为例进行试验,显示采用该方法的算法步骤.结合试验结果,得出关于核参数的选择问题一般在一个开集内只有有效值,不存在最优值,即是一个多目标优化问题的结论.并引用已有的实验结果充分支持我们的结论.max-min方法不仅在理论上提供了一种选择最优核参数的方法,而且对试验性选择具有指导作用.
- 薛贞霞黄彦辉张素玲
- 关键词：支持向量机核函数核参数
