基于增量学习的非平衡SVM分类方法

摘要：

针对传统支持向量机(Support Vector Machine,SVM)无法有效处理非平衡分类的问题,提出一种基于增量学习的非平衡SVM分类方法(Imbalanced SVM Based on Incremental Learning,ISVM_IL).该方法首先提取多数类样本中的部分样本,与少数类样本合并参与训练得到初始分类器,然后根据分类器与其他样本的关系,选择距离分类器最近的样本作为增量样本加入训练集参与训练,从而减小实际参与训练的负类数据规模,提高非平衡分类的性能.实验结果表明,本文提出的ISVM_IL方法可以有效提高非平衡分类中重要的少数类样本的分类性能.

关键词：支持向量机、非平衡分类、增量学习、ISVM_IL算法

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61503229;山西省自然科学基金资助项目2015021096;山西省高等学校科技创新项目2015110

在线出版日期：2018-08-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：20-23,32