核聚类集成失衡数据SVM算法

• 作者: 张冬雪 徐鹏 郝思媛 陶新民
• 来源期刊: 哈尔滨工程大学学报
• 学科: 工学
• 关键词: 失衡数据 SVM算法 AdaBoost 核聚类 欠取样
• 年，卷（期）: 2013,（3）
• 页码范围: 381-388
• 页数: 8页
• 分类号: TP391
• 字数: 5990字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7043.201206069

摘要

针对传统SVM算法在失衡数据集下的分类性能不理想的问题,提出一种基于核聚类集成SVM算法.该算法首先在核空间中对多数类样本集进行聚类,然后随机选择出具有代表意义的聚类信息点,实现在减少多数类样本数的同时将分类界面向多数类样本方向偏移.并利用AdaBoost集成手段对基于核聚类的欠取样SVM算法进行集成,最终提高SVM算法在失衡数据下的泛化性能.将提出的算法同其他失衡数据预处理集成方法进行比较,实验结果表明该算法能够有效提高SVM算法在失衡数据中少数类的分类性能,且总体分类性能及运行效率都有明显提高.

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
2	徐鹏	哈尔滨工程大学信息与通信工程学院	33	227	8.0	14.0
3	郝思媛	哈尔滨工程大学信息与通信工程学院	8	172	5.0	8.0
4	张冬雪	哈尔滨工程大学信息与通信工程学院	8	202	7.0	8.0