-
题名基于改进的SMOTE采样Catboost分类算法
被引量：2
- 1
-
-
作者
张德鑫
雒腾
曾志勇
-
机构
云南财经大学统计与数学学院
-
出处
《信息通信》
2020年第1期57-60,共4页
-
文摘
现实生活中往往存在着不平衡数据现象,而少数类样本通常是我们重点关注的信息。文章通过俄亥俄州真实的医疗数据中存在的不平衡现象,提出了一种新的采样处理方法AK-SMOTE采样方法,即将ALLKNN欠采样技术和SMOTE人过合成过采样技术相结合,同时结合2017年出的应用较为少的Catboost算法,最后通过准确率、查准率、召回率、f1-度量和AUC值作为模型效果的评价指标,结果发现采用AK-SMOTE采样处理之后的Catboost模型在最后的评价指标上相比于其他模型,分类的效果会更好,尤其是在召回率和AUC指标上效果最为明显,也说明了基于AK-SMOTE采样的Catboost分类算法在处理实际生活中存在的不平衡数据问题时有着较为出色的分类效果,对于整个社会具有一定的现实借鉴意义。
-
关键词
类不平衡数据
医疗数据
AK-SMOTE采样
Catboost算法
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于分类问题的选择性集成算法研究
被引量：1
- 2
-
-
作者
沈江明
雒腾
桂贝贝
曾志勇
-
机构
中国电信股份有限公司云南分公司
云南省高校数据化运营管理工程研究中心
云南省高校数据化运营管理工程研究中心
-
出处
《中国新通信》
2020年第14期7-8,共2页
-
基金
云南省高校数据化运营管理工程研究中心建设项目。
-
文摘
集成学习是时下非常流行的机器学习算法,它是通过集成多个模型的输出结果来实现的。但随着基学习器数目的增多,集成学习的预测速率明显下降,其所需的运行内存也迅速增加。对此,本文提出了选择性集成分类算法,该算法首先采用集成学习思想训练一定数目的分类器,然后综合多个评价标准对一些效果较差的分类器进行剔除,并使基分类器具有一定的差异性,来实现选择性集成学习,并在不同数据集进行实验论证了该算法的泛化能力与有效性。
-
关键词
选择性集成算法
STACKING
差异性
泛化能力
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于深度学习的无线传播应用分析
被引量：1
- 3
-
-
作者
雒腾
张德鑫
桂贝贝
曾志勇
-
机构
云南财经大学统计与数学学院
-
出处
《科学技术创新》
2020年第7期60-61,共2页
-
文摘
随着5G NR技术的发展,5G在全球范围内的应用也在不断地扩大,而运用深度学习技术构建无线智能传播模型,对RSRP(平均信号接收功率)进行预测。为运营商合理地选择覆盖区域内的基站站址和部署5G网络提供建议,进而满足用户的通信需求有十分重要的意义。本文根据已有特征,从几何位置、经验信道模型涉及参数出发设计和目标相关的特征,然后根据特征的重要性进行特征选择,最后利用TensorFlow框架构建无线传播模型对目标通信覆盖区域内的无线电波传播速率进行预测。
-
关键词
无线传播
RSRP
深度学习
RMSE
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
