| 改进的SVM解决背景知识数据中的类不平衡* |
| |
| 引用本文： | 王伟,薛安荣,刘峰. 改进的SVM解决背景知识数据中的类不平衡*[J]. 计算机应用研究, 2011, 28(8): 2902-2904. DOI: 10.3969/j.issn.1001-3695.2011.08.028 |
| |
| 作者姓名： | 王伟 薛安荣 刘峰 |
| |
| 作者单位： | 江苏大学计算机科学与通信工程学院,江苏镇江,212013 |
| |
| 基金项目： | 国家自然科学基金资助项目(60773049)；江苏大学高级人才启动基金资助项目(09JDG041) |
| |
| 摘 要： | 针对背景知识数据集中存在的类不平衡对分类器的影响，根据背景知识数据集样本量小、数据维数高的特性分析了目前各种方法在解决背景知识数据中的类不平衡问题时的缺陷，提出了一种基于分类后处理的改进SVM算法。改进算法引入权重参数调整SVM的分类决策函数，提高少类样本对分类器的贡献，使分类平面向多类样本倾斜，从而解决类不平衡对SVM造成的影响。在MAROB数据集上的实验表明，改进算法对少类的预测效果要优于传统的机器学习算法。
|
| 关 键 词： | 类不平衡； 支持向量机； 背景知识； 恐怖行为方式预测； MAROB |
Handling class imbalance problem in context knowledge dataset based on improved SVM |
| |
| WANG Wei,XUE An-rong,LIU Feng. Handling class imbalance problem in context knowledge dataset based on improved SVM[J]. Application Research of Computers, 2011, 28(8): 2902-2904. DOI: 10.3969/j.issn.1001-3695.2011.08.028 |
| |
| Authors: | WANG Wei XUE An-rong LIU Feng |
| |
| Affiliation: | (School of Computer Science & Telecommunication Engineering, Jiangsu University, Zhenjiang Jiangsu 212013, China) |
| |
| Abstract: | Focusing on the drawback that the performance of standard classifiers is often severely hindered in practice due to the imbalanced distribution of class in the context knowledge dataset,this paper analyzed the current methods' problem in resolving the class imbalance problem in the context knowledge dataset according to its small sample and high dimension features.Then,proposed an improved SVM algorithm.The proposed SVM used a weight parameter to adjust the decision function and improved the small sample cl... |
| |
| Keywords: | class imbalance SVM context knowledge terrorism behavior prediction MAROB |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
