改进的SVM解决背景知识数据中的类不平衡

• 作者: 刘峰 王伟 薛安荣
• 来源期刊: 计算机应用研究
• 关键词: 类不平衡 支持向量机 背景知识 恐怖行为方式预测 MAROB
• 年，卷（期）: 2011,（8）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2902-2904,2908
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2011.08.028

摘要

针对背景知识数据集中存在的类不平衡对分类器的影响,根据背景知识数据集样本量小、数据维数高的特性分析了目前各种方法在解决背景知识数据中的类不平衡问题时的缺陷,提出了一种基于分类后处理的改进SVM算法.改进算法引入权重参数调整SVM的分类决策函数,提高少类样本对分类器的贡献,使分类平面向多类样本倾斜,从而解决类不平衡对SVM造成的影响.在MAROB数据集上的实验表明,改进算法对少类的预测效果要优于传统的机器学习算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王伟	江苏大学计算机科学与通信工程学院	50	354	12.0	16.0
2	薛安荣	江苏大学计算机科学与通信工程学院	45	665	13.0	25.0
3	刘峰	江苏大学计算机科学与通信工程学院	9	97	4.0	9.0