结合SMOTE和GEPSVM的不平衡数据分类方法

• 作者: 张敏怡 林坚 邵晴薇 郭剑辉
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 不平衡数据分类 过采样 支持向量机 广义特征值
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 基金项目
• 页码范围: 5-8
• 页数: 4页
• 分类号: TP181
• 字数: 3277字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2017.01.002

摘要

文中针对不平衡数据导致分类结果倾斜现象,提出了一种结合SMOTE和GEPSVM的分类方法.该方法利用SMOTE过采样重构训练集,使训练集达到相对平衡,避免了重复样本数据带来的过学习问题,最后用GEPSVM进行分类学习.在UCI数据集上的实验证明了该算法在不平衡数据集上与传统的SVM算法相比有更好的分类效果,在计算时间上也有一定的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭剑辉	南京理工大学计算机科学与工程学院	27	362	10.0	18.0
3	邵晴薇	南京理工大学计算机科学与工程学院	3	3	1.0	1.0
4	林坚	南京理工大学计算机科学与工程学院	2	2	1.0	1.0
7	张敏怡	南京理工大学计算机科学与工程学院	2	2	1.0	1.0