面向不平衡数据的模糊支持向量机

• 作者: 刘凌 郭剑 韩崇
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 支持向量机 模糊支持向量机 不平衡数据集 样本密度
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 38-43,48
• 页数: 7页
• 分类号: TP31
• 字数: 6073字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2015.11.008

摘要

对于不平衡数据集,传统模糊支持向量机存在分类敏感等问题,且确定样本隶属度时大多只考虑距离因素,不能精准地反映样本点的重要程度,容易造成分类结果的偏差.文中提出一种改进的模糊支持向量机,在确定样本隶属度时,根据样本密度区分出不同类别的样本点,并分别赋予不同的隶属度值,提高了支持向量点的权重,降低了噪声点和孤立点对分类性能的影响.同时,进一步引入了不平衡类调节因子,以提高不平衡数据集的分类精度.实验结果表明,相比已有模糊支持向量机,该方法对于包含较多孤立点和噪声点的不平衡数据集具有更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭剑	南京邮电大学计算机学院	48	309	10.0	15.0
2	韩崇	南京邮电大学计算机学院	17	140	6.0	11.0
3	刘凌	南京邮电大学计算机学院	2	14	2.0	2.0