一种新的基于局部密度改进SVM分类算法

• 作者: 刘凯 刘悦婷 孙志权 金兆强
• 来源期刊: 青海大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 不平衡数据集 局部密度 分布不均匀 边界区域
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 自动化基础理论与信息技术
• 页码范围: 26-32,46
• 页数: 8页
• 分类号: TP391
• 字数: 5174字
• 语种: 中文
• DOI: 10.13901/j.cnki.qhwxxbzk.2018.02.005

摘要

针对不平衡数据集数据分布不均匀及边界模糊的特点,提出基于局部密度改进的SVM(NLDSVM)不平衡数据集分类算法.该算法先用层次k近邻法计算多数类中每个样本的局部密度,依据每个样本的局部密度值分别选出边界区域、靠近边界区域的与少数类数目相等的样本与少数类完成SVM初始分类;用所得的支持向量机和剩余的多数类样本对初始分类器迭代优化.人工数据集和UCI数据集的实验结果表明,与WSVM,ALSMOTE-SVM和基本SVM算法相比,NLDSVM算法G-mean的平均值提高了7％,F-measure的平均值提高了6％,AUC的平均值提高了6％.NLDSVM算法分类效果良好,能有效改进SVM算法在分布不均匀及边界模糊数据集上的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘悦婷	兰州文理学院传媒工程学院	22	29	3.0	3.0
2	金兆强	兰州文理学院传媒工程学院	2	1	1.0	1.0
3	刘凯	兰州文理学院传媒工程学院	1	0	0.0	0.0
4	孙志权	兰州文理学院传媒工程学院	1	0	0.0	0.0