10.11772/j.issn.1001-9081.2015.05.1306
优化的支持向量机集成分类器在非平衡数据集分类中的应用
传统的分类算法大都建立在平衡数据集的基础上,当样本数据不平衡时,这些学习算法的性能往往会明显下降.对于非平衡数据分类问题,提出了一种优化的支持向量机(SVM)集成分类器模型,采用KSMOTE和Bootstrap对非平衡数据进行预处理,生成相应的SVM模型并用复合形算法优化模型参数,最后利用优化的参数并行生成SVM集成分类器模型,采用投票机制得到分类结果.对5组UCI标准数据集进行实验,结果表明采用优化的SVM集成分类器模型较SVM模型、优化的SVM模型等分类精度有了明显的提升,同时验证了不同的bootNum取值对分类器性能效果的影响.
非平衡数据、分类算法、支持向量机、集成分类器
35
TP391(计算技术、计算机技术)
江苏省普通高校研究生科研创新计划项目SJLX_0334;江苏省科技厅软科学项目BR2012043
2015-07-13(万方平台首次上网日期,不代表论文的发表时间)
共4页
1306-1309