一种用于非平衡数据分类的集成学习模型

• 作者: 杨炳儒 焦盛岚 翟云 赵万里
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 非平衡数据 集成学习模型 基本分类器 改进的支持向量机-K最近邻(SVM-KNN) UCI数据集
• 年，卷（期）: 2012,（29）
• 所属期刊栏目: 数据库、信号与信息处理
• 页码范围: 119-123,219
• 分类号: TP301
• 字数: 5002字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.29.024

摘要

针对非平衡数据分类问题,提出了一种改进的SVM-KNN分类算法,在此基础上设计了一种集成学习模型.该模型采用限数采样方法对多数类样本进行分割,将分割后的多数类子簇与少数类样本重新组合,利用改进的SVM-KNN分别训练,得到多个基本分类器,对各个基本分类器进行组合.采用该模型对UCI数据集进行实验,结果显示该模型对于非平衡数据分类有较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨炳儒	北京科技大学计算机与通信工程学院	319	4361	32.0	49.0
2	翟云	北京科技大学计算机与通信工程学院	7	122	5.0	7.0
3	焦盛岚	北京科技大学计算机与通信工程学院	1	9	1.0	1.0
4	赵万里	北京科技大学计算机与通信工程学院	1	9	1.0	1.0