计算机工程与设计
計算機工程與設計
계산궤공정여설계
COMPUTER ENGINEERING AND DESIGN
2013年
12期
4345-4350
,共6页
分类%支持向量机%不平衡样本集%欠采样算法%核函数
分類%支持嚮量機%不平衡樣本集%欠採樣算法%覈函數
분류%지지향량궤%불평형양본집%흠채양산법%핵함수
classification%support vector machine%imbalanced dataset%under-sampling algorithm%kernel function
支持向量机(SVM)在处理不平衡样本集时,对少类样本的分类效果很不理想.为提高支持向量机在处理不平衡问题上的分类效果,提出了一种核函数选取与欠采样相结合的算法,在提高少类样本准确率的前提下,将多类样本的分类准确率的损失降到最低.该方法首先基于特征空间的可分性选择最佳核函数,然后根据特征距离进行欠采样.基于UCI标准样本集的仿真实验结果表明了该算法是合理有效的.
支持嚮量機(SVM)在處理不平衡樣本集時,對少類樣本的分類效果很不理想.為提高支持嚮量機在處理不平衡問題上的分類效果,提齣瞭一種覈函數選取與欠採樣相結閤的算法,在提高少類樣本準確率的前提下,將多類樣本的分類準確率的損失降到最低.該方法首先基于特徵空間的可分性選擇最佳覈函數,然後根據特徵距離進行欠採樣.基于UCI標準樣本集的倣真實驗結果錶明瞭該算法是閤理有效的.
지지향량궤(SVM)재처리불평형양본집시,대소류양본적분류효과흔불이상.위제고지지향량궤재처리불평형문제상적분류효과,제출료일충핵함수선취여흠채양상결합적산법,재제고소류양본준학솔적전제하,장다류양본적분류준학솔적손실강도최저.해방법수선기우특정공간적가분성선택최가핵함수,연후근거특정거리진행흠채양.기우UCI표준양본집적방진실험결과표명료해산법시합리유효적.
