处理非平衡数据的粒度SVM学习方法

• 作者: 张文浩 徐乾 王文剑
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 粒度计算 粒度支持向量机 关联规则 非平衡数据
• 年，卷（期）: 2011,（24）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 97-99,114
• 分类号: TP301.6
• 字数: 4839字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2011.24.027

摘要

通过多维关联规则挖掘,将粒度计算(Granular Computing,GrC)和支持向量机(Support Vector Machine,SVM)有效融合,提出一种粒度支持向量机(Granular SVM,GSVM)学习方法,称为AR-GSVM.该方法用于非平衡数据处理时,不仅可以有效降低分类器的复杂性,而且本质上可以进行并行计算以提高学习效率,同时提高分类器的泛化能力.考虑到保持数据在原始空间和特征空间的分布一致性,在AR-GSVM的基础上又提出核空间上的粒度支持向量机学习方法,称为AR-KGSVM,该方法具有更好的泛化性能.通过在UCI数据集上的实验表明:AR-GSVM和AR-KGSVM的泛化能力优于一些常用非平衡数据处理的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文剑	山西大学计算智能与中文信息处理教育部重点实验室	97	798	14.0	23.0
2	徐乾	山西大学计算机与信息技术学院	2	3	1.0	1.0
3	张文浩	山西大学计算机与信息技术学院	2	14	2.0	2.0