文献类型：期刊文章

作　　者：刘东启[1] 陈志坚[1] 徐银[1] 李飞腾[1]

Liu Dongqi;Chen Zhijian;Xu Yin;Li Feiteng(Institute of VLSI Design,Zhejiang University,Hangzhou 310027,China)

机构地区：[1]浙江大学超大规模集成电路设计研究所,杭州310027

出　　处：《计算机应用研究》

基　　金：复旦大学国家重点实验室开放基金资助项目(2015KF009);中央高校基础科研计划资助项目(2015QNA4018)

年　　份：2018

卷　　号：35

期　　号：4

起止页码：1023-1027

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：为了改善传统支持向量机(SVM)对不平衡数据的分类效果,解决分类器对少类样本分类效果较差的问题,提出了一种复合SVM算法。该算法首先通过自适应合成采样(ADASYN)算法与不同错误代价(DEC)算法的结合,改善不平衡数据对超平面造成的偏移;然后引入一种新的修正算法对预测模型进行修正,提高预测模型对于不同数据特性的适应性。选择UCI数据库中的七组现实世界的不平衡数据集进行测试,实验表明在各个数据集上复合SVM算法性能均优于现有算法或与现有算法相当,分类性能平均提高了2.0%~20.9%,证明了该算法的有效性和鲁棒性。

关 键 词：不平衡数据 支持向量机 自适应合成采样  不同错误代价  修正算法  

分 类 号：TP181]