基于FCM-KFDA判别的不平衡数据集分类

• 作者: 殷士勇
• 来源期刊: 华中师范大学学报（自然科学版）
• 学科: 工学
• 关键词: FCM KFDA 不平衡数据集 分类
• 年，卷（期）: 2013,（6）
• 页码范围: 776-780
• 页数: 5页
• 分类号: TP391.4
• 字数: 3274字
• 语种: 中文

摘要

不平衡数据的分类是机器学习的热点问题.传统的分类方法在分类时会倾向于多数类而使得分类精度不高.对不平衡数据集的分类,提出一种基于FCM结合KFDA方法,首先采用FCM算法对样本数据进行聚类,将数据聚类后的样本数据映射到特征空间里,再采用KFDA算法对数据进行分类,可以克服不平衡数据对分类性能的影响.对UCI数据集进行仿真实验,结果表明FCM-KFDA算法可以有效地提高数据识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷士勇	盐城工业职业技术学院机电工程系	11	49	5.0	6.0