Institute for Employment Research, Regensburger Str. 104, 90478 Nuremberg, Germany;
support vector machines; disclosure; risk; synthetic data; IAB establishment panel;
机译:利用支持向量机的综合信息性少数过度采样(SIMO)算法,可增强从不平衡数据集中的学习
机译:基于相关矢量机使用INSAR时间序列的栅格数据集缩小,以在本地规模上生成地下水存储变化的地图
机译:使用支持向量机和集合卡尔曼滤波器改进多层土壤湿度预测与中国农业占优势盆地的遥感土壤水分数据集相结合
机译:使用支持向量机生成合成数据集
机译:支持矢量机学习大数据集的几何方法
机译:基于人工蜂群算法和支持向量机的医学数据集特征选择方法
机译:结合矢量量化和支持矢量机处理不平衡数据集