本文關(guān)鍵詞：基于支持向量上采樣的不平衡數(shù)據(jù)分類方法

  更多相關(guān)文章： 支持向量 采樣 不平衡數(shù)據(jù) 分類

【摘要】：傳統(tǒng)的支持向量機(jī)在處理不平衡數(shù)據(jù)時(shí)效果不佳。為了提高少類樣本的識(shí)別精度,提出了一種基于支持向量的上采樣方法。首先根據(jù)K近鄰的思想清除原始數(shù)據(jù)集中的噪聲;然后用支持向量機(jī)對(duì)訓(xùn)練集進(jìn)行學(xué)習(xí)以獲得支持向量,進(jìn)一步對(duì)少類樣本的每一個(gè)支持向量添加服從一定規(guī)律的噪聲,增加少數(shù)類樣本的數(shù)目以獲得相對(duì)平衡的數(shù)據(jù)集;最后將獲得的新數(shù)據(jù)集用支持向量機(jī)學(xué)習(xí)。實(shí)驗(yàn)結(jié)果顯示,該方法在人工數(shù)據(jù)集和UCI標(biāo)準(zhǔn)數(shù)據(jù)集上均是有效的。
【作者單位】： 五邑大學(xué)信息工程學(xué)院;中山大學(xué)數(shù)據(jù)科學(xué)與計(jì)算機(jī)學(xué)院;
【關(guān)鍵詞】： 支持向量 采樣 不平衡數(shù)據(jù) 分類
【基金】：廣東省特色創(chuàng)新類項(xiàng)目(2015KTSCX143) 廣東省青年創(chuàng)新人才項(xiàng)目(2015KQN CX172) 江門市科技計(jì)劃項(xiàng)目(江科[2016]189號(hào),江科[2015]138號(hào)) 五邑大學(xué)青年基金(2013zk07,2015zk11)資助
【分類號(hào)】：TP181
【正文快照】： 到稿日期:2016-08-20返修日期:2016-10-31本文受廣東省特色創(chuàng)新類項(xiàng)目(2015KTSCX143),廣東省青年創(chuàng)新人才項(xiàng)目(2015KQNCX172),江門市科技計(jì)劃項(xiàng)目(江科[2016]189號(hào),江科[2015]138號(hào)),五邑大學(xué)青年基金(2013zk07,2015zk11)資助。1引言支持向量機(jī)(Support Vector Machine,SVM)是，

本文編號(hào)：636578