基于加权聚类质心的 SVM 不平衡分类方法

• 作者: 胡小生 钟勇
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 机器学习 不平衡数据分类 聚类质心 支持向量机
• 年，卷（期）: 2013,（3）
• 页码范围: 261-265
• 页数: 5页
• 分类号: TP181
• 字数: 4233字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-4785.201209062

摘要

不平衡数据分类是机器学习研究的热点问题，传统分类算法假定不同类别具有平衡分布或误分代价相同，难以得到理想的分类结果。提出一种基于加权聚类质心的SVM分类方法，在正负类样本上分别进行聚类，对每个聚类，用聚类质心和权重因子代表聚类内样本分布和数量，相等类别数量的质心和权重因子参与SVM模型训练。实验结果表明，该方法使模型的训练样本具有较高的代表性，分类性能与其他采样方法相比得到了提升。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟勇	佛山科学技术学院电子与信息工程学院	46	354	9.0	17.0
2	胡小生	佛山科学技术学院电子与信息工程学院	19	198	7.0	14.0