基于支持向量上采样的不平衡数据分类方法

发布时间：2017-08-07 20:29

  本文关键词：基于支持向量上采样的不平衡数据分类方法

  更多相关文章： 支持向量 采样 不平衡数据 分类

【摘要】：传统的支持向量机在处理不平衡数据时效果不佳。为了提高少类样本的识别精度,提出了一种基于支持向量的上采样方法。首先根据K近邻的思想清除原始数据集中的噪声;然后用支持向量机对训练集进行学习以获得支持向量,进一步对少类样本的每一个支持向量添加服从一定规律的噪声,增加少数类样本的数目以获得相对平衡的数据集;最后将获得的新数据集用支持向量机学习。实验结果显示,该方法在人工数据集和UCI标准数据集上均是有效的。
【作者单位】： 五邑大学信息工程学院;中山大学数据科学与计算机学院;
【关键词】： 支持向量 采样 不平衡数据 分类
【基金】：广东省特色创新类项目(2015KTSCX143) 广东省青年创新人才项目(2015KQN CX172) 江门市科技计划项目(江科[2016]189号,江科[2015]138号) 五邑大学青年基金(2013zk07,2015zk11)资助
【分类号】：TP181
【正文快照】： 到稿日期:2016-08-20返修日期:2016-10-31本文受广东省特色创新类项目(2015KTSCX143),广东省青年创新人才项目(2015KQNCX172),江门市科技计划项目(江科[2016]189号,江科[2015]138号),五邑大学青年基金(2013zk07,2015zk11)资助。1引言支持向量机(Support Vector Machine,SVM)是，

本文编号：636578