| 基于局部密度改进的SVM不平衡数据集分类算法 |
| |
| 引用本文： | 刘悦婷,张燕,孙伟刚.基于局部密度改进的SVM不平衡数据集分类算法[J].宁夏大学学报(自然科学版),2019(3):240-245. |
| |
| 作者姓名： | 刘悦婷 张燕 孙伟刚 |
| |
| 作者单位： | 兰州文理学院传媒工程学院 |
| |
| 摘 要： | 针对不平衡数据集数据分布不均匀及边界模糊的特点,提出基于局部密度改进的SVM不平衡数据集分类算法.该算法先将多数类划分成多个子类,并依据子类内每个样本的局部密度选出边界区域、靠近边界区域的与少数类数目相等的样本,与少数类完成SVM初始分类;用所得的支持向量机和剩余的多数类样本对初始分类器进行迭代优化.结果表明,与WSVM,ALSMOTE-SVM和基本SVM算法相比,该算法分类效果良好,能有效改进SVM算法在分布不均匀及边界模糊数据集上的分类性能.
|
| 关 键 词： | 支持向量机 不平衡数据集 局部密度 分布不均匀 边界区域 |
Imbalanced Dataset Classification Algorithm of SVM Based on Local Density Improvement |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
|
