克雷斯塔利尼亚·德罗苏;安德烈亚斯·阿尔特米奥;克里斯托斯·库库维诺斯 对地震数据使用大边缘分类器的比较研究。 （英语） Zbl 1514.62535号 J.应用。斯达。 42，第1期，180-201（2015）. 小结：在这项工作中，我们对地震学大数据集的分析进行了研究。基于著名的支持向量机（SVM）算法，使用一组不同的大边缘分类器，根据数据在里氏尺度上的大小将数据分为两类。由于这两个类之间的性质不平衡，使用了重新称重技术来显示重新称重算法的重要性。此外，我们提出了一种增量算法，以探索使用增量技术预测地震强度的可能性。 MSC公司： 62至XX 统计 关键词：大规模分类;近端支持向量机;递增程序;实时问题;加权法 PDF格式BibTeX公司 XML格式引用 \textit{K.Drosou}等人，J.Appl。Stat.42，No.1，180--201（2015；Zbl 1514.62535） 全文： 内政部 参考文献： [1] 安倍晋三，支持向量机分析，《信号处理的神经网络XII-2002年IEEE信号处理学会研讨会论文集》，瑞士马尔蒂尼公园中心，2002年，第89-98页。 [2] 安倍晋三，模式分类的支持向量机第二版，施普林格出版社，伦敦，2010年·Zbl 1191.68549号 ·doi:10.1007/978-1-84996-098-4 [3] R.Akbani、S.Kwek和N.Japkowizc，支持向量机在非平衡数据集中的应用.英寸第十五届欧洲机器学习会议记录J.F.Boulicaut、F.Esposito、F.Giannotti和D.Pedreschi编辑，施普林格-弗拉格出版社，柏林，海德堡，2004年，第39-50页·Zbl 1132.68523号 ·doi:10.1007/978-3-540-30115-87 [4] C.J.C.伯格，模式识别支持向量机教程，最小已知数据。Discovery 2（2）（1998），第121-167页。doi:10.1023/A:1009715923555·doi:10.1023/A：1009715923555 [5] N.V.Chawla、K.W.Bowyer、L.O.Hall和W.P.Kegelmeyer，SMOTEL合成少数过采样技术，J.Artif。智力。第16号决议（2002年），第321-357页·Zbl 0994.68128号 [6] N.V.Chawla、N.Japkowicz和A.Kolcz，编辑：关于从不平衡数据集学习的专题，SIGKDD Explorations Special Issue on Learning from Imbalanced Dataset 6（1）（2004），第1-6页·数字对象标识代码：10.1145/1007730.1007733 [7] V.Cherkasky和F.Mulier，从数据中学习——概念、理论和方法，John Wiley&Sons，纽约，1998年·Zbl 0960.6202号 [8] C.Cortes和V.Vapnik，支持向量网络，马赫。学习。20（1995），第1-25页·doi:10.1007/BF00994018 [9] N.Cristianini和J.Shawe-Taylor，支持向量机和其他基于核的学习方法简介，剑桥大学出版社，剑桥，2000年·Zbl 0994.68074号 ·文件编号：10.1017/CBO9780511801389 [10] R.A.Fisher，孟德尔的作品被重新发现了吗? 科学年鉴。1（1936年），第115-137页。doi:10.1080/00033793600200111 [11] G.Fung和O.L.Mangasarian，近似支持向量机分类器，英寸KDD-2001：知识发现和数据挖掘，F.Provost和R.Srikant，eds.，加利福尼亚州旧金山，计算机协会，纽约，2001年，第77-86页·数字对象标识代码：10.1145/502512.502527 [12] G.Fung和O.L.Mangasarian，增量支持向量机分类，英寸第二届SIAM国际数据挖掘会议记录R.Grossman、H.Manilla和R.Motwani编辑，弗吉尼亚州阿灵顿，2002年，第247-260页·doi:10.137/1.9781611972726.15 [13] T.Hastie、R.Tibshirani和J.J.H.Friedman，统计学习要素，第2版，施普林格，纽约，2009年·兹比尔1273.62005 ·doi:10.1007/978-0-387-84858-7 [14] T.Imam、K.M.Ting和J.Kamruzzaman，z-SVM：一种用于改进不平衡数据分类的SVM，英寸人工智能进展，A.Sattar和B.H.Kang编辑，Springer-Verlag，柏林，海德堡，2006年，第264-273页·doi:10.1007/11941439_30 [15] M.Kubat和S.Matwin，解决不平衡训练集的祸根：单边选择《第14届机器学习国际会议论文集》，摩根·考夫曼出版社，美国加利福尼亚州旧金山，1997年，第179-186页。 [16] B.Li、A.Artemiou和L.Li，线性和非线性充分降维的主支持向量机《Ann.Stat.39》（2011年），第3182-3210页。doi:10.1214/11-AOS932·Zbl 1246.62153号 ·doi:10.1214/11-AOS932 [17] M.S.佩佩，接收机工作特性方法，J.Amer。统计师。《协会》第95卷（2000年），第308-11页。doi:10.1080/01621459.2000.10473930 [18] 陶晓云、季海斌、谢永霞，一种改进的PSVM及其在非平衡数据分类中的应用《第三届国际自然计算会议》（ICNC 2007），IEEE出版社，海口，2007年，第488-490页。 [19] N.V.Vapnik，统计学习理论，John Wiley&Sons，Inc.，纽约，1998年·Zbl 0935.62007号 [20] V.N.Vapnik，统计学习理论的本质第二版，施普林格，柏林，海德堡，2000年·Zbl 0934.62009号 ·doi:10.1007/978-1-4757-3264-1 [21] K.Veropoulos、C.Campbell和N.Cristianini，控制支持向量机的灵敏度《第十六届国际人工智能联合会议记录》（IJCAI’99），ML3研讨会，瑞典斯德哥尔摩，1999年，第55-60页。 [22] R.Yan、Y.Liu、R.Jin和A.Hauptmann，场景分类中基于svm的稀有类预测，《2003年IEEE声学、语音和信号处理国际会议论文集》（ICASSP’03）32003，III-21-24。 [23] W.Zhou、L.Zhang和L.Jiao，线性规划支持向量机，模式识别。35（2002），第2927-2936页。doi:10.1016/S0031-3203（01）00210-2·Zbl 1010.68108号 ·doi:10.1016/S0031-3203（01）00210-2 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。