- تاریخ انتشار : ۱۳۹۶
- ناشر : سومین کنفرانس بین المللی نوآوری در علوم و تکنولوژی
- زبان مقاله : همه
- تعداد صفحات : 15
- حجم فایل : 675.248 کیلوبایت
- نوع مقاله : مجموعه مقالات کنفرانس
- مجموعه : اقتصاد
چکیده مقاله
This paper proposes a method of weighted second-order cone programming twin support vector machine (WSOCPTSVM) for the imbalanced data classification. This method constructs a graph based on the under-sampling method to delete outliers then, the weighted biases are embedded in the second-order cone programming (SOCP) Twin Support Vector Machine (TWSVM) formulations. This method is tested and its performance is compared to previously employed methods on datasets. Results are used to evaluate the feasibility and efficiency of the proposed methodology for the imbalanced data classification.
نحوه استناد به مقاله
در صورتی که می خواهید به این مقاله در اثر پژوهشی خود ارجاع دهید، می توانید از متن زیر در بخش منابع و مراجع بهره بگیرید :
Saeideh Roshanfekr ؛Ali Amiri ؛ ۱۳۹۵، WSOCPTSVM: Weighted second-order cone programming twin support vector Machine for imbalanced data classification، سومین کنفرانس بین المللی نوآوری در علوم و تکنولوژی، https://scholar.conference.ac:443/index.php/download/file/13481-WSOCPTSVM:-Weighted-second-order-cone-programming-twin-support-vector-Machine-for-imbalanced-data-classification
در داخل متن نیز هر جا به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پرانتز، مشخصات زیر نوشته شود.
(Saeideh Roshanfekr ؛Ali Amiri ؛ ۱۳۹۵)