一种基于核学习的非均衡数据分类算法

• 作者: 曾志强 朱顺痣 洪文兴 钟瑛
• 来源期刊: 厦门大学学报（自然科学版）
• 学科: 工学
• 关键词: 非平衡数据集 核学习 凸壳 原像
• 年，卷（期）: 2012,（2）
• 所属期刊栏目: 研究论文
• 页码范围: 189-194
• 分类号: TP181
• 字数: 5141字
• 语种: 中文

摘要

提出一种基于核学习的采样算法来处理支持向量机(support vector machine,SVM)在非平衡数据集上的分类问题,其核心思想是首先在核空间中对少数类样本进行上采样,然后通过输入空间和核空间的距离关系寻找所合成样本在输入空间的原像,最后再采用SVM对其进行训练,从而有效克服在不同空间处理训练样本所带来的数据不一致问题.另一方面,该算法在增加少数类样本数量,减小数据失衡程度的同时有效拓展了少数类样本所形成的凸壳,从而能够更为有效纠正最优分类超平面偏移问题,使获得的结果分类器具有更好的泛化性能,实验结果证明了该算法的高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟瑛	厦门理工学院计算机科学与技术系	16	43	5.0	6.0
2	朱顺痣	厦门理工学院计算机科学与技术系	52	189	7.0	11.0
3	曾志强	厦门理工学院计算机科学与技术系	15	151	6.0	12.0
4	洪文兴	厦门大学信息科学与技术学院	12	57	2.0	7.0