所属单位：

信息与控制工程学院

发表刊物：

计算机工程与应用（CSCD）

关键字：

中文关键字：不平衡数据集；权重分配模型；支持向量机（SVM），英文关键字：

摘要：

SVM 在处理不平衡数据分类问题(class imbalance problem)时，其分类结果常倾向于多数类。为此， 本文综合考虑类间不平衡和类内不平衡，提出一种基于聚类权重的分阶段支持向量机（WSVM）。预处理时， 采用K 均值算法得到多数类中各样本的权重。分类时，第一阶段根据权重选出多数类内各簇边界区域的与少 数类数目相等的样本；第二阶段对选取的样本和少数类样本进行初始分类；第三阶段用多数类中未选取的样 本对初始分类器进行优化调整，当满足停止条件时，得到最终分类器。通过对UCI 数据集的大量实验表明， WSVM 在少数类样本的识别率和分类器的整体性能上都优于传统分类算法。

备注：

王超学

合写作者：

马春森

第一作者：

张涛[重名-待确认],王超学

论文类型：

期刊论文

卷号：

卷：52

期号：

期：4

页面范围：

页：51-55,103

是否译文：

否

发表时间：

2016-02-01