Fisher线性判别式阈值优化方法研究

• 作者: 李艳芳 高大启
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 分类 Fisher线性判别式 阈值 不平衡数据集
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 141-145
• 页数: 5页
• 分类号: TP391
• 字数: 4532字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.06.035

摘要

Fisher线性判别式FLDs（Fisher linear discriminates）的常用阈值对不平衡数据集分类效果较差。以不平衡数据集为应用背景，主要研究各种阈值对FLDs分类性能的影响。认为影响 FLDs性能的主要是类间分布区域不平衡而不是样本数不平衡，因此提出多个经验阈值，并依据分类精度从中选择优化阈值。大量实验结果表明，所提出的阈值优化选择方法能有效提高FLDs对不平衡数据集的分类性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高大启	华东理工大学信息科学与工程学院	39	472	11.0	21.0
2	李艳芳	华东理工大学信息科学与工程学院	1	1	1.0	1.0