基于实例重要性的SVM解不平衡数据分类

• 作者: 李善平 杨扬
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 不平衡数据 实例重要性 支持向量机 重采样 代价敏感学习
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 913-918
• 页数: 6页
• 分类号: TP391.4
• 字数: 5323字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-6059.2009.06.017

摘要

在不平衡数据分类问题中,作为目标对象的少数类往往不易识别.常见方法存在需要显式设置实例重要度、仅仅间接支持少数类的识别等缺点.由此,文中提出基于实例重要性的支持向量机--ⅡSVM.它分为3个阶段.前两个阶段分别采用单类支持向昔机和二元支持向量机,将数据按照"最重要"、"较重要",和"不重要"3个档次重新组织.阶段3首先选择最重要的数据训练初始分类器,并通过显式设置早停止条件,直接支持少数类的识别.实验表明,ⅡSVM的平均分类性能优于目前的主流方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李善平	浙江大学计算机科学与技术学院	72	1464	19.0	36.0
2	杨扬	浙江大学计算机科学与技术学院	33	222	8.0	13.0