本書有DRM加密保護,需使用HyRead閱讀軟體開啟
  • 類別不平衡學習:理論與算法
  • 點閱:8
  • 並列題名:Class imbalance learning : theory and algorithms
  • 作者: 于化龍著
  • 出版社:清華大學出版社
  • 出版年:2017[民106]
  • ISBN:978-7-302-46618-5 ; 7-302-46618-1
  • 格式:EPUB
  • 版次:第1版
  • 附註:簡體字版
租期14天 今日租書可閱讀至2021-05-29

內容介紹
類別不平衡學習是機器學習與數據挖掘領域的重要分支之一,其在很多應用領域中均發揮著重要作用。本書首先系統地介紹了與類別不平衡學習相關的一些基礎概念及理論(第1、2章),進而在上述理論的基礎上,討論了一些主流的類別不平衡學習技術及對應算法,具體包括樣本采樣技術(第3章)、代價敏感學習技術(第4章)、決策輸出補償技術(第5章)、集成學習技術(第6章)、主動學習技術(第7章)及一類分類技術(第8章)等。此外,也探討了樣本不平衡分布的危害預評估技術(第9章)。最後,對該領域未來的發展方向及應用前景做出了評述與展望(第10章)。
本書可作為高等院校與研究院所計算機、自動化及相關專業研究生的課外閱讀書籍,也可供對機器學習及數據挖掘感興趣的研究人員和工程技術人員閱讀參考。

作者介紹
於化龍(1982-),男,哈爾濱人,博士,江蘇科技大學計算機學院副教授,碩士研究生導師,東南大學自動化學院博士後。近年來,在國內外核心期刊及重要的國際學術會議上發表論文50余篇,其中被SCI與EI檢索40余篇。主持包括國家自然科學基金在內的各級科研項目8項,以主要參與人身份參與國家級、省部級及市廳級科研項目多項。2015年入選江蘇科技大學“深藍學者培養工程”第二層次培養對像,2016年入選江蘇省“三三三高層次人才培養工程”第三層次培養對像,是瑞士國家科學基金委科研項目特約評審專家、中國自動化學會青年工作委員會委員、江蘇省計算機學會人工智能專委會委員,多個知名學術會議的PC成員,同時為20余種國內外知名學術期刊的評審人。主要研究方向為:機器學習,數據挖掘與生物信息學。

  • 封面页
  • 书名页
  • 版权页
  • 作者简介
  • 内容简介
  • 前言 FOREWORD
  • 目录
  • 第1章 绪论
    • 1.1 引言
    • 1.2 基本概念
    • 1.3 常用技术
    • 1.4 应用领域
    • 1.5 本书主要内容及安排
    • 1.6 文献导读
    • 参考文献
  • 第2章 基础理论
    • 2.1 类别不平衡分布对传统分类器性能的影响机理
    • 2.2 类别不平衡学习的影响因素
    • 2.3 类别不平衡学习的性能评价测度
    • 2.4 本章小结
    • 2.5 文献导读
    • 参考文献
  • 第3章 样本采样技术
    • 3.1 样本采样技术的基本思想及发展历程
    • 3.2 随机采样技术
    • 3.3 人工采样技术
    • 3.4 优化采样技术
    • 3.5 实验结果及讨论
    • 3.6 本章小结
    • 3.7 文献导读
    • 参考文献
  • 第4章 代价敏感学习技术
    • 4.1 代价敏感学习的基本思想
    • 4.2 代价矩阵
    • 4.3 基于经验加权的代价敏感学习算法
    • 4.4 基于模糊加权的代价敏感学习算法
    • 4.5 实验结果与讨论
    • 4.6 本章小结
    • 4.7 文献导读
    • 参考文献
  • 第5章 决策输出补偿技术
    • 5.1 决策输出补偿技术的基本思想
    • 5.2 基于经验的决策输出补偿算法
    • 5.3 基于关键位置比对的决策输出补偿算法
    • 5.4 基于优化思想的决策输出补偿算法
    • 5.5 实验结果与讨论
    • 5.6 本章小结
    • 5.7 文献导读
    • 参考文献
  • 第6章 集成学习技术
    • 6.1 集成学习的基本思想
    • 6.2 两种经典的集成学习范式
    • 6.3 基于样本采样技术的集成学习算法
    • 6.4 基于代价敏感学习技术的集成学习算法
    • 6.5 基于决策输出补偿技术的集成学习算法
    • 6.6 实验结果与讨论
    • 6.7 本章小结
    • 6.8 文献导读
    • 参考文献
  • 第7章 主动学习技术
    • 7.1 主动学习的基本思想
    • 7.2 基于支持向量机的主动不平衡学习算法
    • 7.3 样本不平衡分布中的主动学习算法设计
    • 7.4 实验结果与讨论
    • 7.5 本章小结
    • 7.6 文献导读
    • 参考文献
  • 第8章 一类分类技术
    • 8.1 一类分类的基本思想
    • 8.2 基于密度的一类分类器
    • 8.3 基于支持域的一类分类器
    • 8.4 一类极限学习机
    • 8.5 实验结果与讨论
    • 8.6 本章小结
    • 8.7 文献导读
    • 参考文献
  • 第9章 样本不平衡分布的危害预评估技术
    • 9.2 基于样本几何可分测度的预评估算法
    • 9.3 基于留一交叉验证的预评估算法
    • 9.4 实验结果与讨论
    • 9.5 本章小结
    • 9.6 文献导读
    • 参考文献
    • 9.1 预评估的必要性说明
  • 第10章 未来研究展望
    • 10.1 现有的挑战
    • 10.2 未来的研究方向与发展前景
    • 10.3 文献导读
    • 参考文献
紙本書 NT$ 348
單本電子書
NT$ 244

點數租閱 20點
租期14天
今日租書可閱讀至2021-05-29
還沒安裝 HyRead 3 嗎?馬上免費安裝~
QR Code