10.3969/j.issn.1000-3428.2011.06.054
用于不平衡数据分类的FE-SVDD算法
现有的支持向量数据描述(SVDD)算法在解决不平衡数据集问题时通常存在有偏性.针对该问题,在研究PCA特征提取技术和SVDD分类理论的基础上,提出一种用于平衡数据分类的FE-SVDD算法.该方法对2类样本数据进行主成分分析,分别求出主要特征值,根据样本容量及特征值对SVDD中的C值重新定义.在人工样本集和UCI数据集上进行实验,结果验证了该方法的有效性.
模式分类、支持向量数据描述、不平衡数据集、特征提取、主成分分析
37
TP18(自动化基础理论)
国家自然科学基金资助项目60874074;浙江省科技计划基金资助重点项目2009C14032
2011-08-04(万方平台首次上网日期,不代表论文的发表时间)
共3页
157-158,161