| 处理非平衡数据的粒度SVM学习方法 |
| |
| 引用本文： | 徐乾,王文剑,张文浩. 处理非平衡数据的粒度SVM学习方法[J]. 计算机工程与应用, 2011, 47(24): 97-99. DOI: 10.3778/j.issn.1002-8331.2011.24.027 |
| |
| 作者姓名： | 徐乾 王文剑 张文浩 |
| |
| 作者单位： | 1.山西大学 计算机与信息技术学院，太原 030006 2.山西大学 计算智能与中文信息处理教育部重点实验室，太原 030006 |
| |
| 基金项目： | 国家自然科学基金，教育部博士点基金，山西省自然科学基金重点项目，山西省回国留学人员科研资助项目 |
| |
| 摘 要： | 通过多维关联规则挖掘，将粒度计算（Granular Computing，GrC）和支持向量机（Support Vector Machine，SVM）有效融合，提出一种粒度支持向量机（Granular SVM，GSVM）学习方法，称为AR-GSVM。该方法用于非平衡数据处理时，不仅可以有效降低分类器的复杂性，而且本质上可以进行并行计算以提高学习效率，同时提高分类器的泛化能力。考虑到保持数据在原始空间和特征空间的分布一致性，在AR-GSVM的基础上又提出核空间上的粒度支持向量机学习方法，称为AR-KGSVM，该方法具有更好的泛化性能。通过在UCI数据集上的实验表明：AR-GSVM和AR-KGSVM的泛化能力优于一些常用非平衡数据处理的方法。
|
| 关 键 词： | 支持向量机 粒度计算 粒度支持向量机 关联规则 非平衡数据 |
| 修稿时间： | |
Granular support vector machine approach used for imbalanced data |
| |
| XU Qian,WANG Wenjian,ZHANG Wenhao. Granular support vector machine approach used for imbalanced data[J]. Computer Engineering and Applications, 2011, 47(24): 97-99. DOI: 10.3778/j.issn.1002-8331.2011.24.027 |
| |
| Authors: | XU Qian WANG Wenjian ZHANG Wenhao |
| |
| Affiliation: | 1.School of Computer and Information Technology，Shanxi University，Taiyuan 030006，China 2.Key Lab of Computational Intelligence & Chinese Information Processing of MoE，Shanxi University，Taiyuan 030006，China |
| |
| Abstract: | Through the mining of multi-dimension association rules,Granular Computing（GrC） and Support Vector Machine（SVM） are efficiently amalgamated,and a Granular Support Vector Machine（GSVM） learning approach is proposed,namely AR-GSVM.For imbalanced datasets,AR-GSVM can not only reduce the complexity of the classifier,but also improve learn-ing efficiency and generalization performance.Considering the data distribution consistence in the input space and kennel space,another granular SVM model on kennel space based on AR-GSVM is proposed,which is named as AR-KGSVM.AR-KGSVM can obtain better generalization performance comparing with AR-GSVM.The experimental results on UCI datas-ets demonstrate that the generalization performances of AR-GSVM and AR-KGSVM are superior to some most common used methods in dealing with imbalanced datasets. |
| |
| Keywords: | support vector machine granular computing granular support vector machine association rules imbalanced data
|
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
