多任务学习的不平衡SVM+算法

• 作者: 周国华 殷新春 过林吉
• 来源期刊: 计算机应用研究
• 关键词: 不平衡数据 支持向量机 SVM+ 多任务学习 分类
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3348-3351,3377
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.03.0276

摘要

处理不平衡数据分类时,传统支持向量机技术(SVM)对少数类样本识别率较低.鉴于SVM+技术能利用样本间隐藏信息的启发,提出了多任务学习的不平衡SVM+算法(MTL-IC-SVM+).MTL-IC-SVM+基于SVM+将不平衡数据的分类表示为一个多任务的学习问题,并从纠正分类面的偏移出发,分别赋予多数类和少数类样本不同的错分惩罚因子,且设置少数类样本到分类面的距离大于多数类样本到分类面的距离.UCI数据集上的实验结果表明,MTL-IC-SVM+在不平衡数据分类问题上具有较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	殷新春	扬州大学信息工程学院	121	716	12.0	20.0
2	周国华	常州工业职业技术学院信息工程与技术学院	6	1	1.0	1.0
6	过林吉	常州工业职业技术学院信息工程与技术学院	1	0	0.0	0.0