文献类型：期刊文章

作　　者：薛贞霞[1,2] 刘三阳[1] 刘万里[1,3]

机构地区：[1]西安电子科技大学应用数学系,陕西西安710071 [2]河南科技大学数学系,河南洛阳471003 [3]洛阳师范学院数学系,河南洛阳471022

出　　处：《系统工程与电子技术》

基　　金：国家自然科学基金资助课题(60674108;60703118)

年　　份：2008

卷　　号：30

期　　号：12

起止页码：2471-2476

语　　种：中文

收录情况：BDHX、BDHX2004、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20090411873539)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：针对现有分类算法通常对不平衡数据挖掘表现出有偏性,即正类样本(通常是更重要的一类)的分类和预测性能差于负类样本的分类和预测性能,提出一种不平衡数据分类方法。该方法通过一个超球面将两类数据以最大分离比率分离,并且引入两个参数来分别控制两类错分率的上界,不仅提高了不平衡数据集的分类和预测的性能,而且大大缩小了参数的选择范围。在UCI真实数据上进行了实验,并采用ROC曲线下面积作为评估指标进行比较,结果验证了该方法的有效性。

关 键 词：模式识别 分类算法  不平衡数据 参数选择 超球面

分 类 号：TP181]