计算机与数字工程
計算機與數字工程
계산궤여수자공정
COMPUTER & DIGITAL ENGINEERING
2006年
11期
103-105,113
,共4页
支持向量机%非平衡分布%惩罚因子
支持嚮量機%非平衡分佈%懲罰因子
지지향량궤%비평형분포%징벌인자
支持向量机利用接近边界的少数向量来构造一个最优分类面.但是若两分类问题中的样本呈现非平衡分布时,即两类样本数目相差很大时,分类能力就会有所下降.提出分别使用重复数量少的一类样本、选择数量多的类样本以及引入类惩罚因子的三个方法来改善分类能力.实验表明,三种方法对不同类型数据集合,一定程度上都改善了支持向量的分类能力.
支持嚮量機利用接近邊界的少數嚮量來構造一箇最優分類麵.但是若兩分類問題中的樣本呈現非平衡分佈時,即兩類樣本數目相差很大時,分類能力就會有所下降.提齣分彆使用重複數量少的一類樣本、選擇數量多的類樣本以及引入類懲罰因子的三箇方法來改善分類能力.實驗錶明,三種方法對不同類型數據集閤,一定程度上都改善瞭支持嚮量的分類能力.
지지향량궤이용접근변계적소수향량래구조일개최우분류면.단시약량분류문제중적양본정현비평형분포시,즉량류양본수목상차흔대시,분류능력취회유소하강.제출분별사용중복수량소적일류양본、선택수량다적류양본이급인입류징벌인자적삼개방법래개선분류능력.실험표명,삼충방법대불동류형수거집합,일정정도상도개선료지지향량적분류능력.
