机译:基于SensorAnd路数据的交通崩溃严重性分类中的类别不平衡:特征选择和数据增强方法
机译:基于局部和全局指标融合的多类不平衡网络流量数据集的面向类特征选择方法(第168卷,第365页,2015年)
机译:基于局部和全局度量融合的多类不平衡网络流量数据集的面向类特征选择方法
机译:机动车碰撞伤害严重程度的分类:不平衡数据的混合方法
机译:极不平衡数据集的特征选择和基于集合层次聚类的欠采样方法:在基因分类中的应用
机译:基于数据驱动贝叶斯方法的交通事故驾驶员伤害严重性表述,分析和推断
机译:稀疏蛋白质组学分析–一种基于压缩感知的方法用于高维蛋白质组学质谱数据的特征选择和分类
机译:基于模糊规则的高度不平衡数据集分类系统的特征选择和粒度学习遗传算法