文献类型：期刊文章

作　　者：吴园园[1] 申立勇[1]

WU Yuanyuan;SHEN Liyong(School of Mathematical Sciences, University of Chinese Academy of Sciences, Beijing 100049, China)

机构地区：[1]中国科学院大学数学科学学院,北京100049

出　　处：《中国科学院大学学报（中英文）》

基　　金：湖北省协同创新中心开放课题(JD20150402)资助

年　　份：2018

卷　　号：35

期　　号：4

起止页码：536-543

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2017_2018、JST、RCCSE、ZGKJHX、核心刊

摘　　要：传统的欠采样方法容易丢失重要的样本信息,且其实验结果的稳定性较差。针对上述问题,提出一种基于类重叠度欠采样的不平衡数据模糊多类支持向量机算法。该算法首先采用LOF局部离群点因子和箱线图的方法清洗训练数据集中的噪声样本,然后根据类重叠度抽取对分类起关键作用的支持向量,并且将代表每个样本点重要程度的类重叠度作为隶属度值,构造模糊多类支持向量机。实验结果表明,该算法克服了随机欠采样的支持向量机容易丢失重要样本信息和实验结果不稳定的缺点,且很好地提升了支持向量机在不平衡且含噪声的数据集上的分类精度,并保持较高的计算效率。

关 键 词：支持向量机 模糊多类支持向量机  噪声 不平衡数据 类重叠度  

分 类 号：TP181]