局部关注支持向量机算法

• 作者: 周于皓 张红玲 李芳菲 祁鹏
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 非均衡数据集 支持向量机 集成算法 非监督聚类
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 945-948
• 页数: 4页
• 分类号: TP181
• 字数: 5272字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017092228

摘要

针对训练数据集的不均衡性这一问题,结合采样方法和集成方法,提出一种集成支持向量机分类算法.该算法首先对不均衡的训练集进行非监督聚类;然后依靠其底层的局部关注支持向量机进行数据集局部划分,以精确把控数据集间的局部特征;最后通过顶层支持向量机进行分类预测.在UCI数据集上的评测结果显示,该算法与当前流行的算法(如基于采样的核化少数类过采样技术(K-SMOTE)、基于集成的梯度提升决策树(GTB)和代价敏感集成算法(AdaCost)等)相比,分类效果有明显提升,能在一定程度上解决数据集的不均衡问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李芳菲	武汉纺织大学传媒学院	1	9	1.0	1.0