基于加权聚类质心的 SVM 不平衡分类方法

摘要：

　　不平衡数据分类是机器学习研究的热点问题，传统分类算法假定不同类别具有平衡分布或误分代价相同，难以得到理想的分类结果。提出一种基于加权聚类质心的SVM分类方法，在正负类样本上分别进行聚类，对每个聚类，用聚类质心和权重因子代表聚类内样本分布和数量，相等类别数量的质心和权重因子参与SVM模型训练。实验结果表明，该方法使模型的训练样本具有较高的代表性，分类性能与其他采样方法相比得到了提升。

关键词：机器学习、不平衡数据分类、聚类质心、支持向量机

分类号：TP181(自动化基础理论)

资助基金：佛山市科技发展专项资金资助项目2011AA100061；佛山市产学研专项资金资助项目2012HC100272；佛山市教育局智能评价指标体系研究项目DX20120220．

在线出版日期：2013-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：261-265