作者:邓曦辉; 赵丽支持向量机非平衡数据树形层次结构关键簇候选支持向量
摘要:针对支持向量机(support vector machine,SVM)无法对非平衡数据有效分类的问题,提出树形层次结构的非平衡SVM(imbalanced SVM method based on tree hierarchical structure,ISVM_TH)分类方法。通过衡量多数类样本与超平面之间的关系,有效区分不同类的重要性,提取关键簇,通过对关键簇进行逐层划分,构建更为合理的多数类样本树形层次结构,提取候选支持向量(candidate support vector,CSV)信息,参与SVM的训练过程,提高SVM对于非平衡数据的分类能力。实验结果表明,该方法能够有效改善SVM对于非平衡数据的分类性能,获得令人满意的泛化能力。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社