基于ODR和BSMOTE结合的不均衡数据SVM分类算法
针对传统的支持向量机(SVM)算法在数据不均衡的情况下分类效果不理想的缺陷,为了提高SVM算法在不均衡数据集下的分类性能,提出一种新型的逐级优化递减欠采样算法.该算法去除样本中大量重叠的冗余和噪声样本,使得在减少数据的同时保留更多的有用信息,并且与边界人工少数类过采样算法相结合实现训练样本数据集的均衡.实验表明,该算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高.
不均衡数据、支持向量机算法、边界人工少数类过采样算法、逐级优化递减
26
TP18(自动化基础理论)
国家自然科学基金61074076;中国博士后科学基金20090450119;中国博士点新教师基金20092304120017;黑龙江省博士后基金LBH-Z08227
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
1535-1541