一种新的不平衡数据v-NSVDD多分类算法

• 作者: 任世锦 刘小平 徐桂云 杨茂云
• 来源期刊: 南京大学学报（自然科学版）
• 关键词: 支持向量数据描述(SVDD) 样本类别不平衡 多分类 拒判 超球软边界
• 年，卷（期）: 2013,（2）
• 页码范围: 150-158
• 语种: 中文

摘要

分析了多类支持向量数据描述(support vector data description,SVDD)算法存在的问题,提出一种新的不平衡数据ν-NSVDD多分类算法.该方法借鉴了ν-SVM方法以及带有负类的SVDD的思想,并基于不同类别样本间隔最大原理,较好地克服噪声和在野点的影响,提高了分类模型的泛化性能；通过样本加权的方法解决了不平衡类别样本预测精度低的问题,并在理论上给出了根据类别样本数量设置样本加权系数的方法.针对实际应用存在大量复杂、非线性分类数据,通过核方法把上述线性分类算法推广到非线性数据分类情形.由于现有的多分类器无法实现拒判,而且每个分类器的核函数参数不同,导致数据点与各个超球中心距离的计算结果与实际距离不相符,影响了数据判决结果的准确性和可靠性.针对上述问题,给出基于相对距离和K-NN规则相结合的多分类方法,提高了分类结果的准确性和可靠性.使用Benchmark数据集进行仿真实验,结果表明本算法能够获得较低的分类误差,能够有效处理样本不平衡问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐桂云	中国矿业大学机电工程学院	82	290	9.0	14.0
2	刘小平	中国矿业大学机电工程学院	11	26	3.0	5.0
3	杨茂云	中国矿业大学机电工程学院	20	25	3.0	4.0
5	任世锦	江苏师范大学计算机学院	11	22	3.0	4.0