基于模糊支持向量机的非平衡数据分类

作     者：陈辉辉 白治江 Chen Huihui;Bai Zhijiang

作者机构：上海海事大学信息工程学院上海201306 

出 版 物：《微型机与应用》 (Microcomputer & Its Applications)

年 卷 期：2017年第36卷第16期

页      码：56-59页

摘      要：支持向量机(SVM)作为一种有效的机器学习技术可以很好地处理平衡数据集,然而除了对噪声点和野点敏感以外,SVM在非平衡数据分类时会偏向多数类(负类)样本,从而导致少数类(正类)的分类精度变差。为了克服以上问题,提出了一种改进的模糊支持向量机(FSVM)算法。新算法在设计模糊隶属度时,不仅考虑样本到其所在类中心的距离,还考虑了样本的紧密度特征。实验结果表明,相对于标准SVM及已有的FSVM模型,新方法对于非平衡且含有噪声的数据集有更好的分类效果。

主 题 词：非平衡数据集 模糊支持向量机 模糊隶属度 样本紧密度 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.19358/j.issn.1674-7720.2017.16.016

馆 藏 号：203260418...