分類學(xué)習(xí)作為機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘的重要研究領(lǐng)域,其中二分類學(xué)習(xí)由于它的廣泛的應(yīng)用受到眾多學(xué)者的關(guān)注。傳統(tǒng)二分類算法大多數(shù)關(guān)注平衡環(huán)境,而在實(shí)際應(yīng)用中,真實(shí)數(shù)據(jù)在兩個(gè)類別之間存在不一致,對此很多學(xué)者對不平衡二分類問題產(chǎn)生了濃厚的興趣,其中針對不平衡二分類問題提出了很多直接優(yōu)化不平衡分類準(zhǔn)則的算法,作為其中的代表,直接優(yōu)化AUC算法由于關(guān)注的是正負(fù)樣本之間的偏序關(guān)系,因此逐漸成為研究的熱點(diǎn),也取得了良好的效果。已有的多數(shù)直接優(yōu)化AUC算法采用批學(xué)習(xí)方式,這樣使得一次計(jì)算時(shí)需要存儲(chǔ)大量的樣本和計(jì)算所有樣本的梯度信息,其效果降低并且不適合大規(guī)模數(shù)據(jù)場景。在此背景下,本文將在線學(xué)習(xí)和直接優(yōu)化AUC相結(jié)合,提出研究面向大規(guī)模數(shù)據(jù)的在線優(yōu)化AUC算法,利用在線學(xué)習(xí)在大規(guī)模環(huán)境下的優(yōu)勢,首先提出了基于自適應(yīng)正則項(xiàng)的在線AUC優(yōu)化算法,隨后針對大規(guī)模高維環(huán)境,提出了基于自適應(yīng)更新的稀疏在線AUC優(yōu)化算法,現(xiàn)將本文的主要工作總結(jié)如下:（1）針對傳統(tǒng)的在線學(xué)習(xí)只適合處理單樣本數(shù)據(jù),并不適合處理面向AUC的樣本對問題,因此本文提出了基于自適應(yīng)正則項(xiàng)的在線AUC優(yōu)化算法。具體而言,通過假定模型符合多元高斯分布,i... 

【文章來源】：安徽大學(xué)安徽省 211工程院校

【文章頁數(shù)】：64 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

二分類示意圖

AUC效果示意圖

ArowOAM算法的策略有效性對比結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)據(jù)重平衡的AUC優(yōu)化Boosting算法[J]. 李秋潔,茅耀斌.  自動(dòng)化學(xué)報(bào). 2013(09)
[2]一種文本處理中的樸素貝葉斯分類器[J]. 李靜梅,孫麗華,張巧榮,張春生.  哈爾濱工程大學(xué)學(xué)報(bào). 2003(01)

碩士論文
[1]基于支持向量機(jī)的不平衡數(shù)據(jù)集分類算法研究[D]. 郝姝雯.哈爾濱工程大學(xué) 2011



本文編號(hào)：3085114