DSpace DSpace UPC
 Català   Castellano   English  

E-prints UPC >
Altres >
Enviament des de DRAC >

Empreu aquest identificador per citar o enllaçar aquest ítem: http://hdl.handle.net/2117/12531

Arxiu Descripció MidaFormat
esann2011_short_final_R2.pdf101,99 kBAdobe PDFThumbnail
Veure/Obrir

Citació: Núñez, H.; González, L.; Angulo, C. A post-processing strategy for SVM learning from unbalanced data. A: European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning. "19th European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning". Bruges: 2011, p. 195-200.
Títol: A post-processing strategy for SVM learning from unbalanced data
Autor: Núñez Castro, Haydemar; González Abril, Luis; Angulo Bahón, Cecilio Veure Producció científica UPC
Data: 2011
Tipus de document: Conference lecture
Resum: Standard learning algorithms may perform poorly when learning from unbalanced datasets. Based on the Fisher’s discriminant analysis, a post-processing strategy is introduced to deal datasets with significant imbalance in the data distribution. A new bias is defined, which reduces skew towards the minority class. Empirical results from experiments for a learned SVM model on twelve UCI datasets indicates that the proposed solution improves the original SVM, and they also improve those reported when using a z-SVM, in terms of g-mean and sensitivity.
ISBN: 978-2-87419-044-5
Dipòsit legal: D2011/9262/2
URI: http://hdl.handle.net/2117/12531
Apareix a les col·leccions:Altres. Enviament des de DRAC
GREC - Grup de Recerca en Enginyeria del Coneixement. Ponències/Comunicacions de congressos
Departament d'Enginyeria de Sistemes, Automàtica i Informàtica Industrial. Ponències/Comunicacions de congressos
Comparteix:


Stats Mostra les estadístiques d'aquest ítem

SFX Query

Tots els drets reservats. Aquesta obra està protegida pels drets de propietat intel·lectual i industrial corresponents. Sense perjudici de les exempcions legals existents, queda prohibida la seva reproducció, distribució, comunicació pública o transformació sense l'autorització del titular dels drets.

Per a qualsevol ús que se'n vulgui fer no previst a la llei, dirigiu-vos a: sepi.bupc@upc.edu

 

Valid XHTML 1.0! Programari DSpace Copyright © 2002-2004 MIT and Hewlett-Packard Comentaris
Universitat Politècnica de Catalunya. Servei de Biblioteques, Publicacions i Arxius