基于随机下采样和SMOTE的不均衡SVM分类算法

• 作者: 朱明 陶新民
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 不均衡数据 SVM算法 SMOTE算法
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 基金项目与博士论文
• 页码范围: 39-43
• 分类号: TP181
• 字数: 4125字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2552.2012.01.011

摘要

传统的支持向量机( SVM)算法在数据不均衡的情况下,分类效果很不理想.为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法.该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息；而对少数类样本则是利用SMOTE算法进行过采样.实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶新民	哈尔滨工程大学信息与通信工程学院	49	926	16.0	29.0