首页 | 本学科首页   官方微博 | 高级检索  
     检索      

用于处理不平衡样本的改进近似支持向量机新算法
引用本文:刘 艳,钟 萍,陈 静,宋晓华,何 云.用于处理不平衡样本的改进近似支持向量机新算法[J].计算机应用,2014(6):1618-1621.
作者姓名:刘 艳  钟 萍  陈 静  宋晓华  何 云
摘    要:近似支持向量机(PSVM)在处理不平衡样本时,会过拟合样本点数较多的一类,低估样本点数较少的类的错分误差,从而导致整体样本的分类准确率下降。针对该问题,提出一种用于处理不平衡样本的改进的PSVM新算法。新算法不仅给正、负类样本赋予不同的惩罚因子,而且在约束条件中新增参数,使得分类面更具灵活性。该算法先对训练集训练获得最优参数,然后再对测试集进行训练获得分类超平面,最后输出分类结果。UCI数据库中9组数据集的实验结果表明:新算法提高了样本的分类准确率,在线性的情况下平均提高了2.19个百分点,在非线性的情况下平均提高了3.14个百分点,有效地提高了模型的泛化能力。

关 键 词:近似支持向量机  不平衡样本  参数  惩罚因子  模型改进
本文献已被 CNKI 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号