用于处理不平衡样本的改进近似支持向量机新算法

摘要：

近似支持向量机(PSVM)在处理不平衡样本时,会过拟合样本点数较多的一类,低估样本点数较少的类的错分误差,从而导致整体样本的分类准确率下降.针对该问题,提出一种用于处理不平衡样本的改进的PSVM新算法.新算法不仅给正、负类样本赋予不同的惩罚因子,而且在约束条件中新增参数,使得分类面更具灵活性.该算法先对训练集训练获得最优参数,然后再对测试集进行训练获得分类超平面,最后输出分类结果.UCI数据库中9组数据集的实验结果表明:新算法提高了样本的分类准确率,在线性的情况下平均提高了2.19个百分点,在非线性的情况下平均提高了3.14个百分点,有效地提高了模型的泛化能力.

关键词：近似支持向量机、不平衡样本、参数、惩罚因子、模型改进

所属期刊栏目：34

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11271367,11171346

在线出版日期：2014-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：1618-1621