基于增量学习的非平衡SVM分类方法

• 作者: 崔丽娜 郭虎升
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 支持向量机 非平衡分类 增量学习 ISVM_IL算法
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 算法设计与分析
• 页码范围: 20-23,32
• 页数: 5页
• 分类号: TP18
• 字数: 3372字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2018.07.004

摘要

针对传统支持向量机(Support Vector Machine,SVM)无法有效处理非平衡分类的问题,提出一种基于增量学习的非平衡SVM分类方法(Imbalanced SVM Based on Incremental Learning,ISVM_IL).该方法首先提取多数类样本中的部分样本,与少数类样本合并参与训练得到初始分类器,然后根据分类器与其他样本的关系,选择距离分类器最近的样本作为增量样本加入训练集参与训练,从而减小实际参与训练的负类数据规模,提高非平衡分类的性能.实验结果表明,本文提出的ISVM_IL方法可以有效提高非平衡分类中重要的少数类样本的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭虎升	山西大学计算机与信息技术学院	24	174	8.0	12.0
2	崔丽娜		2	1	1.0	1.0