|
|||||
|
|
| 改进SVM-KNN的不平衡数据分类 | |
| 作者姓名： | 王超学 张涛 马春森 |
| 作者单位： | 西安建筑科技大学信息与控制工程学院;中国农业科学院植物保护研究所 |
| 基金项目： | 国家自然科学基金(No.31170393);陕西省自然科学基金(No.2012JM8023);陕西省教育厅自然科学基金专项(No.12JK0726) |
| 摘 要： | 针对支持向量机(SVM)在超平面附近进行不平衡数据(imbalanced datasets)分类的不准确性,提出了一种改进SVM-KNN算法,该算法在分类阶段计算测试样本与最优超平面的距离,如果距离差大于给定阈值可直接应用支持向量机分类;如果距离差小于给定阈值,则将所有支持向量都作为测试样本的近邻样本,进行KNN分类。通过对UCI数据集的大量实验表明,该算法在少数类样本的识别率和分类器的整体性能上有明显改善。 |
| 关 键 词： | 支持向量机 K近邻法 不平衡数据集 |
| 本文献已被 CNKI 等数据库收录！ | |