基于近邻密度改进的SVM不平衡数据集分类算法

作者：刘悦婷支持向量机不平衡数据集近邻密度分布不均匀边界区域

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,提出基于近邻密度改进的SVM（NDSVM）不平衡数据集分类算法.该算法先计算多数类内每个样本的近邻密度值,然后依据该密度值选出多数类中位于边界区域、靠近边界区域的与少数类数目相等的样本分别与少数类完成SVM初始分类,最后用所得的支持向量机和剩余的多数类样本完成初始分类器迭代优化.人工数据集和UCI数据集的实验结果表明,与WSVM、ALSMOTE-SVM和基本SVM算法相比,本文算法分类效果良好,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.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社