L-SMOTE与SVM结合的不平衡数据集分类研究

• 作者: 王国强 罗康洋
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 不平衡数据集 分类 结合少数过采样技术(SMOTE) 混合核函数 支持向量机
• 年，卷（期）: 2019,（17）
• 所属期刊栏目: 理论与研发
• 页码范围: 55-62,220
• 页数: 9页
• 分类号: TP391
• 字数: 8683字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1808-0410

摘要

针对不平衡数据集的低分类效率,基于L-SMOTE算法和混合核SVM提出了一种改进的SMOTE算法(FTL-SMOTE).利用混合核SVM对数据集进行分类.提出了噪声样本识别三原则对噪声样本进行精确识别并予以剔除,进而利用F-SMOTE和T-SMOTE算法分别对错分和正确分类的少类样本进行采样.如此循环,直到满足终止条件,算法结束.通过在UCI数据集上与经典的SMOTE等重要采样算法以及标准SVM的大量实验表明,该方法具有更好的分类效果,改进算法与L-SMOTE算法相比,运算时间大幅减少.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王国强	上海工程技术大学数理与统计学院	22	8	1.0	1.0
2	罗康洋	上海工程技术大学管理学院	2	2	1.0	1.0