基于识别关键样本点的非平衡数据核SVM算法

• 作者: 刘全明 梁吉业 王杰 郭婷
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 非平衡数据集 核支持向量机 划分 欠采样
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 研究与应用
• 页码范围: 569-576
• 页数: 8页
• 分类号: TP18
• 字数: 5900字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201906009

摘要

非平衡数据处理中常采用的欠采样方法很少考虑支持向量机(SVM)的特性,并且在原始空间进行采样会导致多数类样本部分关键信息的丢失.针对上述问题,文中提出基于识别关键样本点的非平衡数据核SVM算法.基于初始超平面有效划分多数类样本,在高维空间中对每个分块进行核异类近邻抽样,得到多数类中的关键样本点,使用关键样本点和少数类样本训练最终核SVM分类器.在多个数据集上的实验证明文中算法的可行性和有效性,特别是在非平衡度高于10:1的数据集上,文中算法优势明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁吉业	山西大学计算机与信息技术学院	114	1486	21.0	34.0
5	郭婷	山西大学计算机与信息技术学院	7	30	2.0	5.0
6	王杰	山西大学计算机与信息技术学院	25	103	6.0	9.0
7	刘全明	山西大学计算机与信息技术学院	15	45	3.0	6.0