类别不平衡数据集分类方法及应用 类别不平衡数据集分类是机器学习和模式识别中的一个热点研究问题。类别不平衡数据集存在于许多实际工程领域，如有色冶金过程的故障检测和网络入侵检测等。现有的分类算法大多以误分率最小化为目标，并假设训练数据集类别是平衡的和误分类代价是相等的。当用这些分类算法处理类别不平衡数据集分类问题时，容易对多数类过学习和对少数类欠学习，从而导致分类器性能下降。 针对数据集中类别不平衡、误分类代价不等、噪音特征和标注代

作者：唐明珠	编辑：陈亚明 王南雁	ISBN：2017-01684
出版时间：201709	字数：300	定价：45
开本：16开	页数：240	装订：平装
版次：1	CIP分类号：231176

唐明珠，1983年生，男，湖南平江人，长沙理工大学新能源科学与工程系教师，工学博士，硕士生导师，德国杜伊斯堡-埃森大学国家公派访问学者，中西部高等学校青年骨干教师国内访问学者，从事故障诊断、机器学习及应用研究

类别不平衡数据集分类是机器学习和模式识别中的一个热点研究问题。类别不平衡数据集存在于许多实际工程领域，如有色冶金过程的故障检测和网络入侵检测等。现有的分类算法大多以误分率最小化为目标，并假设训练数据集类别是平衡的和误分类代价是相等的。当用这些分类算法处理类别不平衡数据集分类问题时，容易对多数类过学习和对少数类欠学习，从而导致分类器性能下降。 针对数据集中类别不平衡、误分类代价不等、噪音特征和标注代

第一章 绪论 
 
第二章 类别不平衡数据集分类方法基础 
第三章  代价敏感概率神经网络及应用	 
 
第四章  支持向量数据描述及应用	 
 
第五章  代价敏感支持向量机及应用	 
第六章   主动自训练代价敏感支持向量机及应用	 
第七章 结论与展望	 
 
参考文献