不平衡样本集分类算法研究

摘要：

支持向量机在处理不平衡数据集时,对少类样本的分类效果很不理想.传统的处理方法尽管能够提高少类样本的分类准确率,但多类样本的分类准确率却大幅度下降.综合考虑样本间的相对距离和密集程度,提出了一种欠采样方法.基于UCI标准数据集的仿真实验结果表明,提出的算法不仅可以提高少类样本的分类准确率,而且将多类样本的分类准确率的损失降到最低.

关键词：支持向量机、分类、欠采样算法、不平衡样本

所属期刊栏目：32

分类号：TP274(自动化技术及设备)

资助基金：山东省自然科学基金资助项目ZR2014FQ016;山东省高等学校科技计划资助项目J14LN24

在线出版日期：2015-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：2323-2325