首页 | 本学科首页   官方微博 | 高级检索  
     

处理非平衡数据的粒度SVM学习算法
引用本文:郭虎升,亓慧,王文剑.处理非平衡数据的粒度SVM学习算法[J].计算机工程,2010,36(2):181-183.
作者姓名:郭虎升  亓慧  王文剑
作者单位:1. 山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室,太原,030006
2. 山西大学计算机与信息技术学院计算智能与中文信息处理教育部重点实验室,太原,030006;太原师范学院计算机系,太原,030012
基金项目:国家自然科学基金资助项目(60673095);;国家“863”计划基金资助项目(2007AA01Z165);;教育部新世纪优秀人才支持计划基金资助项目(NCET-07-0525);;教育部科学技术研究基金资助重点项目(208021);;山西省青年学术带头人支持计划基金资助项目
摘    要:针对支持向量机对于非平衡数据不能进行有效分类的问题,提出一种粒度支持向量机学习算法。根据粒度计算思想对多数类样本进行粒划分并从中获取信息粒,以使数据趋于平衡。通过这些信息粒来寻找局部支持向量,并在这些局部支持向量和少数类样本上进行有效学习,使SVM在非平衡数据集上获得令人满意的泛化能力。

关 键 词:粒度支持向量机  非平衡数据  信息粒  局部支持向量
修稿时间: 

Granular SVM Learning Algorithm for Processing Imbalanced Data
GUO Hu-sheng,QI Hui,WANG Wen-jian.Granular SVM Learning Algorithm for Processing Imbalanced Data[J].Computer Engineering,2010,36(2):181-183.
Authors:GUO Hu-sheng  QI Hui  WANG Wen-jian
Affiliation:(1. Key Laboratory of Computational Intelligence and Chinese Information Processing, Ministry of Education, School of Computer and Information Technology, Shanxi University, Taiyuan 030006; 2. Department of Computer, Taiyuan Normal College, Taiyuan 030012)
Abstract:This paper presents a Granular Support Vector Machine(GSVM) learning algorithm in order to improve the performance of SVM on imbalanced datasets. The GSVM divides some granules for majority data based on granular computing theory and extracts information granules. So the data becomes balanced, then GSVM finds local support vectors from those granules. SVM learns on these LSVs together with minority data. The satisfactory generalization performance can be obtained on imbalanced data.
Keywords:Guanular Support Vector Machine(GSVM)  imbalanced data  information granule  local support vectors
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》浏览原始摘要信息
点击此处可从《计算机工程》下载全文
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