代价敏感相关向量机

• 作者: 冯爱民 苏乐群
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 相关向量机( RVM) 代价敏感 代价敏感相关向量分类
• 年，卷（期）: 2015,（2）
• 页码范围: 19-24
• 页数: 6页
• 分类号: TP301.6
• 字数: 5016字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2015.02.005

摘要

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯爱民	南京航空航天大学计算机科学与技术学院	19	158	7.0	12.0
2	苏乐群	南京航空航天大学计算机科学与技术学院	2	2	1.0	1.0