文献类型：期刊文章

作　　者：罗康洋[1] 王国强[2]

LUO Kangyang;WANG Guoqiang(School of Management, Shanghai University of Engineering Science, Shanghai 201620, China;College of Mathematics and Statistics, Shanghai University of Engineering Science, Shanghai 201620, China)

机构地区：[1]上海工程技术大学管理学院,上海201620 [2]上海工程技术大学数理与统计学院,上海201620

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金面上项目（No.11471211）;上海市自然科学基金（No.14ZR1418900）;全国统计科学研究项目（No.2018LY16）;上海工程技术大学研究生科研创新项目（No.18KY0325）

年　　份：2019

卷　　号：55

期　　号：17

起止页码：55-62

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对不平衡数据集的低分类效率,基于L-SMOTE算法和混合核SVM提出了一种改进的SMOTE算法(FTLSMOTE)。利用混合核SVM对数据集进行分类。提出了噪声样本识别三原则对噪声样本进行精确识别并予以剔除,进而利用F-SMOTE和T-SMOTE算法分别对错分和正确分类的少类样本进行采样。如此循环,直到满足终止条件,算法结束。通过在UCI数据集上与经典的SMOTE等重要采样算法以及标准SVM的大量实验表明,该方法具有更好的分类效果,改进算法与L-SMOTE算法相比,运算时间大幅减少。

关 键 词：不平衡数据集 分类  结合少数过采样技术(SMOTE)  混合核函数 支持向量机

分 类 号：TP391]