基于证据理论的不平衡数据半监督分类方法

• 作者: 徐扬 杜利敏
• 来源期刊: 计算机应用研究
• 关键词: 半监督分类 不平衡数据 证据理论 biased-SVM
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 342-345
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.02.005

摘要

针对标记样本少的不平衡数据,提出一种基于证据理论和biased-SVM的不平衡数据半监督分类方法.首先采用随机子空间方法得到不同的视图;然后在各个视图上利用初始的标记样本集训练biased-SVM模型,并将其应用于未标记样本集,从而得到未标记样本的类概率输出;最后引入证据理论进行信息融合来提高标注的稳定性.通过在一些公共数据集上的实验结果表明,与其他方法相比,在不同的标记样本率下,所提方法均具有较高的数据集整体的G-mean值和小类的F-value值,并具有较高的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐扬	西南交通大学智能控制开发中心	186	1462	15.0	32.0
2	杜利敏	西南交通大学智能控制开发中心	5	18	3.0	4.0