基于惩罚的SVM和集成学习的非平衡数据分类算法研究 |
| |
作者单位: | ;1.阳江职业技术学院计算机科学系 |
| |
摘 要: | 利用各类算法对非平衡数据进行处理已成为数据挖掘领域研究的热问题。针对非平衡数据的特点,在研究支持向量机的相关理论及K-SVM算法基础上,提出基于惩罚机制的PFKSVM(K-SVMbased on penalty factor)算法,克服K-SVM在最优分类面附近易发生错分的问题;并提出由重构采样层、基本训练层和综合判定层组成的集成学习模型。利用UCI公共数据集的实验验证了PFKSVM算法及集成模型在处理非平衡数据分类时的优势。
|
关 键 词: | 数据挖掘 支持向量机(SVM) 非平衡数据分类 集成学习 |
RESEARCH ON CLASSIFYING UNBALANCED DATA BASED ON PENALTY-BASED SVM AND ENSEMBLE LEARNING |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|