10.3969/j.issn.1006-2475.2015.02.005
代价敏感相关向量机
相关向量机( RVM)是在稀疏贝叶斯框架下提出的稀疏模型,由于其强大的稀疏性和泛化能力,近年来在机器学习领域得到了广泛研究和应用,但和传统的决策树、神经网络算法及支持向量机一样, RVM不具有代价敏感性,不能直接用于代价敏感学习。针对监督学习中错误分类带来的代价问题,提出代价敏感相关向量分类( CS-RVC)算法,在相关向量机的基础上,通过赋予每类样本不同的误分代价,使其更加注重误分类代价较高的样本分类准确率,使得整体误分类代价降低以实现代价敏感挖掘。实验结果表明,该算法具有良好的稀疏性并能够有效地解决代价敏感分类问题。
相关向量机(RVM)、代价敏感、代价敏感相关向量分类
TP301.6(计算技术、计算机技术)
国家自然科学基金资助项目61170152
2015-03-25(万方平台首次上网日期,不代表论文的发表时间)
共6页
19-24