面向不平衡数据分类的复合SVM算法研究

• 作者: 刘东启 徐银 李飞腾 陈志坚
• 来源期刊: 计算机应用研究
• 关键词: 不平衡数据 支持向量机 自适应合成采样 不同错误代价 修正算法
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1023-1027
• 页数: 5页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.04.014

摘要

为了改善传统支持向量机(SVM)对不平衡数据的分类效果,解决分类器对少类样本分类效果较差的问题,提出了一种复合SVM算法.该算法首先通过自适应合成采样(ADASYN)算法与不同错误代价(DEC)算法的结合,改善不平衡数据对超平面造成的偏移;然后引入一种新的修正算法对预测模型进行修正,提高预测模型对于不同数据特性的适应性.选择UCI数据库中的七组现实世界的不平衡数据集进行测试,实验表明在各个数据集上复合SVM算法性能均优于现有算法或与现有算法相当,分类性能平均提高了2.0％～20.9％,证明了该算法的有效性和鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈志坚	浙江大学超大规模集成电路设计研究所	28	59	3.0	7.0
2	刘东启	浙江大学超大规模集成电路设计研究所	4	37	3.0	4.0
3	徐银	浙江大学超大规模集成电路设计研究所	5	54	3.0	5.0
4	李飞腾	浙江大学超大规模集成电路设计研究所	2	34	2.0	2.0