基于模糊支持向量机的非平衡数据分类

• 作者: 白治江 陈辉辉
• 来源期刊: 微型机与应用
• 学科: 工学
• 关键词: 非平衡数据集 模糊支持向量机 模糊隶属度 样本紧密度
• 年，卷（期）: 2017,（16）
• 所属期刊栏目: 人工智能
• 页码范围: 56-59
• 页数: 4页
• 分类号: TP18
• 字数: 4178字
• 语种: 中文
• DOI: 10.19358/j.issn.1674-7720.2017.16.016

摘要

支持向量机(SVM)作为一种有效的机器学习技术可以很好地处理平衡数据集,然而除了对噪声点和野点敏感以外,SVM在非平衡数据分类时会偏向多数类(负类)样本,从而导致少数类(正类)的分类精度变差.为了克服以上问题,提出了一种改进的模糊支持向量机(FSVM)算法.新算法在设计模糊隶属度时,不仅考虑样本到其所在类中心的距离,还考虑了样本的紧密度特征.实验结果表明,相对于标准SVM及已有的FSVM模型,新方法对于非平衡且含有噪声的数据集有更好的分类效果.

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	陈辉辉	上海海事大学信息工程学院	1	3	1.0	1.0