耦合负类样本裁剪与非对称错分惩罚的非均衡SVM算法

• 作者: 于冬梅 徒君 赵世杰 高雷阜
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 非均衡数据 支持向量机 边界样本 裁截超平面 非对称错分惩罚 正余弦优化算法
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 学术论文
• 页码范围: 2978-2986
• 页数: 9页
• 分类号: TP181|TP391
• 字数: 9010字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2017.12.021

摘要

针对标准支持向量机(SVM)识别非均衡数据往往会出现最优超平面倾向性和正类样本大量错分的现象,探讨SVM识别非均衡数据失效的原因及对策;考虑到SVM最优超平面仅由少量支持向量完全决定的特性,提出一种基于负类边界样本裁剪策略的SVM数学模型.鉴于该模型需经多次负类数据的“训练-裁剪”过程才能较好地识别正类样本且较为费时,以等效的一次性裁掉更多样本的裁截面技术作为替代,提出一种耦合负类样本裁剪与非对称错分惩罚的非均衡SVM算法,并利用改进正余弦优化算法优化裁剪偏移量以提高算法的非均衡数据处理能力.数值实验结果验证了裁剪偏移量的优化必要性、改进正余弦优化算法的较强优化性能和改进SVM算法对非均衡数据的较好识别性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徒君	辽宁工程技术大学优化与决策研究所	19	119	7.0	10.0
2	高雷阜	辽宁工程技术大学优化与决策研究所	119	728	13.0	22.0
3	赵世杰	辽宁工程技术大学优化与决策研究所	28	179	8.0	12.0
4	于冬梅	辽宁工程技术大学优化与决策研究所	24	81	5.0	8.0