一种用于非平衡数据的SVM学习算法

• 作者: 张晓龙 蒋莎
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 支持向量机 非平衡数据 评价函数 学习参数优化
• 年，卷（期）: 2008,（20）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 198-199,202
• 页数: 3页
• 分类号: TP18
• 字数: 3145字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2008.20.072

摘要

在实际应用中的分类数据往往是非平衡数据,少数类别的数据可能有很大的分类代价.分类性能不仅要考虑分类精度,同时要考虑分类代价.该文扩展了支持向量机(SVM)学习方法,对于以高斯核为核函数时的少数类和多数类使用不同的惩罚参数C+,C以获得高敏感度的超平面,并提出利用遗传算法对SVM的学习参数进行优化调整.给出一种新的评价函数,对分类结果的质量进行评价.实验结果证明,算法对于非平衡数据的分类有较好的效果,对少数类样本预测的准确性较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张晓龙	武汉科技大学计算机学院	49	652	13.0	24.0
2	蒋莎	武汉科技大学计算机学院	1	18	1.0	1.0