面向非平衡数据集分类的改进模糊支持向量机

摘要：

为提高模糊支持向量机在非平衡数据下的性能,提出基于信息熵的改进模糊支持向量机.综合考虑输入样本的不确定性和输入样本到类中心的距离,构造基于信息熵和基于类中心的模糊隶属度函数,将二者融合成一种新的模糊隶属度函数;为更有效地对非平衡数据集进行分类,将非平衡调节因子加入到模糊支持向量机模型中.实验数据集来自两部分,分别为非平衡公共数据集和脑卒中TCD数据集,基于公共数据集的实验结果表明,该方法能够有效提升分类性能,其中Se最高提升了71.43％,基于脑卒中TCD数据集实验结果表明,对正常人与斑块患者构成的非平衡数据集来说,在非平衡率为12.8时,较已有FSVM-CIL方法,本文方法可使其Gm提升4.94％.

关键词：模糊支持向量机、经颅多普勒超声数据、模糊隶属度函数、非平衡数据集、熵

所属期刊栏目：40

分类号：TP301(计算技术、计算机技术)

资助基金：山西省重点研发社发基金项目201803D31045;山西省自然科学基金项目201801D121138;山西省研究生教育创新计划基金项目2018BY051、2018SY023、2018SY024;山西省研究生联合培养基地人才培养基金项目2017JD16;国家自然科学基金项目61376693;山西省优秀人才科技创新基金项目201605D211021;山西省重点研发计划基金项目201603D321060;吴阶平基金科研基金项目320675016129

在线出版日期：2020-01-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：3124-3129,3199