基于混合重采样的非平衡数据SVM训练方法

• 作者: 白治江 郭亚伟
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 非平衡数据集 SMOTE 分类超平面 SVM 混合重采样
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 52-54,58
• 页数: 4页
• 分类号: TP3
• 字数: 3146字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2016.12.017

摘要

针对传统的SVM算法在非平衡数据分类中分类效果不理想的问题,提出一种基于分类超平面和SMOTE过采样方法(HB_SMOTE).该方法首先对原始训练样本集使用WSVM算法找到分类超平面,然后按一定标准剔除负类中被错分的样本、靠近分类超平面的样本以及远离分类超平面的样本.在UCI数据集上的实验结果表明:与RU_SMOTE等重采样方法相比,HB_SMOTE方法对正类样本和负类样本都具有较高的分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白治江	上海海事大学信息工程学院	16	86	5.0	9.0
2	郭亚伟	上海海事大学信息工程学院	1	3	1.0	1.0