2025年2月16日
星期日
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
梁楠
作品数:
1
被引量:1
H指数:1
供职机构:
武汉大学计算机学院
更多>>
发文基金:
中央高校基本科研业务费专项资金
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>>
合作作者
王淞
武汉大学计算机学院
余果
武汉大学中南医院
孙月明
武汉大学计算机学院
王黎维
武汉大学国际软件学院
黄浩
武汉大学计算机学院
作品列表
供职机构
相关作者
所获基金
研究领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
1篇
中文期刊文章
领域
1篇
自动化与计算...
主题
1篇
入度
1篇
数据分布
1篇
稀有类
1篇
K近邻
机构
1篇
武汉大学
作者
1篇
黄浩
1篇
王黎维
1篇
孙月明
1篇
余果
1篇
王淞
1篇
梁楠
传媒
1篇
软件学报
年份
1篇
2016
共
1
条 记 录,以下是 1-1
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
一种基于k近邻图的稀有类检测算法
被引量:1
2016年
稀有类检测的目标是为无类别标签的数据集中的每个类,特别是仅含少量数据样本的稀有类,寻找到至少一个数据样本以证明数据集中存在这些类.该技术在金融欺诈检测及网络入侵检测等现实问题中具有广泛的应用场景.但是,现有的稀有类检测算法往往存在以下问题:(1)时间复杂度比较高;或(2)对原始数据集需要一定的先验知识,如数据集中各类数据样本所占比例等.提出了一种基于k邻近图的无先验快速稀有类检测算法KRED,通过利用稀有类数据样本在小范围内紧密分布所造成的与周边数据分布的不一致性来定位稀有类.为此,KRED将给定数据集转化为k邻近图,并计算图中各顶点入度和边长的变化.最后,将以上变化最大的顶点对应的数据样本作为稀有类的候选样本.实验结果表明:KRED有效提高了发现数据集中各个类的效率,明显缩短了算法运行所需时间.
王淞
黄浩
余果
梁楠
王黎维
孙月明
关键词:
数据分布
入度
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张