基于样本空间分布距离的支持向量机

• 作者: 于波 李海峰 马琳
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: SVM 不平衡样本分布 MSEDR-SVM
• 年，卷（期）: 2016,（5）
• 页码范围: 77-80,84
• 页数: 5页
• 分类号: TP309
• 字数: 4232字
• 语种: 中文

摘要

由于支持向量机（ Support Vector Machine，SVM）在处理样本不平衡分布时会有偏向性，使少数类别的分类错误率的上界高于多数样本类别。分析总结了针对该问题当前的研究方法，并指出存在问题。研究分析针对不平衡样本SVM分类识别率的倾向性问题。考虑全局样本信息，提出了3种针对所有样本空间分布距离信息的方法。在UCI数据集上进行实验，结果证明MSEDR－SVM（ Mean Sample Euclidean Distance Ra?tio－SVM）能够有效增加少数样本类别的F －值。从而改善标准的SVM只依靠支持向量样本构建分类超平面的局限性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马琳	哈尔滨工业大学计算机科学与技术学院	65	463	10.0	20.0
2	于波	哈尔滨工业大学计算机科学与技术学院	27	70	5.0	6.0
4	李海峰	哈尔滨工业大学计算机科学与技术学院	53	445	11.0	20.0