改进SVM-KNN的不平衡数据分类

• 作者: 张涛 王超学 马春森
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 支持向量机 K近邻法 不平衡数据集
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 大数据与云计算
• 页码范围: 51-55,103
• 页数: 6页
• 分类号: TP181
• 字数: 4879字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1403-0109

摘要

针对支持向量机(SVM)在超平面附近进行不平衡数据(imbalanced datasets)分类的不准确性,提出了一种改进SVM-KNN算法,该算法在分类阶段计算测试样本与最优超平面的距离,如果距离差大于给定阈值可直接应用支持向量机分类;如果距离差小于给定阈值,则将所有支持向量都作为测试样本的近邻样本,进行KNN分类.通过对UCI数据集的大量实验表明,该算法在少数类样本的识别率和分类器的整体性能上有明显改善.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张涛	西安建筑科技大学信息与控制工程学院	41	242	8.0	15.0
2	马春森	中国农业科学院植物保护研究所	51	758	17.0	26.0
3	王超学	西安建筑科技大学信息与控制工程学院	17	342	9.0	17.0