文献类型：期刊文章

作　　者：朱明[1] 陶新民[2]

机构地区：[1]铁力市气象局,铁力152500 [2]哈尔滨工程大学信息与通信工程学院,哈尔滨150001

出　　处：《信息技术》

基　　金：国家自然科学基金项目(61074076);中国博士后科学基金(20090450119);中国博士点新教师基金(20092304120017)

年　　份：2012

卷　　号：36

期　　号：1

起止页码：39-43

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：传统的支持向量机(SVM)算法在数据不均衡的情况下,分类效果很不理想。为了提高SVM算法在不均衡数据集下的分类性能,提出随机下采样与SMOTE算法结合的不均衡分类方法。该方法首先利用随机下采样对多数类样本进行采样,去除样本中大量重叠的冗余样本,使得在减少数据的同时保留更多有用信息;而对少数类样本则是利用SMOTE算法进行过采样。实验部分将其应用在UCI数据集中并同其他采样算法比较,结果表明文中算法不但能有效提高SVM算法在不均衡数据中少数类的分类性能,而且总体分类性能也有所提高。

关 键 词：不均衡数据 SVM算法 SMOTE算法  

分 类 号：TP181]