지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국통계학회 JKSS(Journal of the Korean Statistical Society) Journal of the Korean Statistical Society 제36권 제1호
- 발행연도
- 2007.1
- 수록면
- 175 - 182 (8page)
이용수
초록· 키워드
오류제보하기
The support vector machine has been successful in many applications because of its flexibility and high accuracy. However, when a training data set is large or imbalanced, the support vector machine may suffer from significant computational problem or loss of accuracy in predicting minority classes. We propose a modified version of the support vector machine using the K-means clustering that exploits the information in class labels during the clustering process. For large data sets, our method can save the computation time by reducing the number of data points without significant loss of accuracy. Moreover, our method can deal with imbalanced data sets effectively by alleviating the influence of dominant class.
목차
등록된 정보가 없습니다.
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
WHEN CAN SUPPORT VECTOR MACHINE ACHIEVE FAST RATES OF CONVERGENCE?
JKSS(Journal of the Korean Statistical Society)
2007 .01
-
An Improved K-means Document Clustering using Concept Vectors
한국데이터정보과학회지
2003 .12
-
Environmental Survey Data Modeling Using K-means Clustering Techniques
한국데이터정보과학회지
2005 .09
-
Statistical Forecasting of Fog Occurrence Using Support Vector Machines
한국기상학회 학술대회 논문집
2006 .04
-
Application of K-means Clustering for Association Rule Using Measure of Association
한국데이터정보과학회지
2008 .09
-
REGRESSION WITH CENSORED DATA BY LEAST SQUARES SUPPORT VECTOR MACHINE
JKSS(Journal of the Korean Statistical Society)
2004 .01
-
Weighted Support Vector Machines for Heteroscedastic Regression
한국데이터정보과학회지
2006 .06
-
A Study on the Support Vector Machine Based Fuzzy Time Series Model
한국데이터정보과학회지
2006 .09
-
Discriminant Analysis Based on Incremental Pruning in LS-SVM
Journal of The Korean Data Analysis Society
2003 .01
-
이미지 데이터에 대한 분류 방법의 비교 연구
한국데이터정보과학회지
2018 .01
-
Expected shortfall estimation using kernel machines
한국데이터정보과학회지
2013 .06
-
Clustering high-cardinality categorical data using category embedding methods
한국데이터정보과학회지
2020 .01
-
기계 학습을 이용한 고객 분류 성능 비교
Journal of The Korean Data Analysis Society
2012 .01
-
More Efficient k-Modes Clustering Algorithm
한국데이터정보과학회지
2005 .09
-
Support vector regression with the weighted absolute deviation error loss function
한국데이터정보과학회지
2018 .11
이 논문의 저자 정보
최근 본 자료
댓글(0)
0