苏乐群
- 作品数：3 被引量：5H指数：2
- 供职机构：南京航空航天大学计算机科学与技术学院更多>>
- 发文基金：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>>
- 代价敏感相关向量机
- 2015年
- 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。
- 苏乐群冯爱民
- 稀疏贝叶斯模型在分类与回归上的研究与应用
- 贝叶斯模型作为概率形式表示变量之间不确定关系的学习方法，具有完善的理论基础及灵活的推断能力，因而成为数据挖掘的有效工具。本文针对其计算复杂度较高之不足，受相关向量机的启发，在贝叶斯理论基础上提出了稀疏贝叶斯模型，并将其应...
- 苏乐群
- 关键词：贝叶斯理论相关向量机
- 文献传递
- 基于稀疏贝叶斯回归的异常检测被引量：2
- 2015年
- 异常检测问题中的数据可以看作是正常信息和异常信息的高度混合,在使得正常信息损失最小的情况下,异常点集合就是前K个包含最多异常信息的样本。启发于这种思想,提出一种基于稀疏贝叶斯回归的异常检测模型,该方法通过在传统的核函数基础上融入Bayesian推理框架,对数据进行回归估计,利用残差法找出偏离程度较大的样本为异常样本。实验结果表明,该方法具有良好的稀疏性和检测精度。
- 苏乐群冯爱民
- 关键词：异常检测稀疏性
