-
题名用于处理不平衡样本的改进近似支持向量机新算法
被引量：6
- 1
-
-
作者
刘艳
钟萍
陈静
宋晓华
何云
-
机构
中国农业大学理学院.北京
燕京理工学院机电学院
-
出处
《计算机应用》
CSCD
北大核心
2014年第6期1618-1621,共4页
-
基金
国家自然科学基金资助项目(11271367,11171346)
-
文摘
近似支持向量机(PSVM)在处理不平衡样本时,会过拟合样本点数较多的一类,低估样本点数较少的类的错分误差,从而导致整体样本的分类准确率下降。针对该问题,提出一种用于处理不平衡样本的改进的PSVM新算法。新算法不仅给正、负类样本赋予不同的惩罚因子,而且在约束条件中新增参数,使得分类面更具灵活性。该算法先对训练集训练获得最优参数,然后再对测试集进行训练获得分类超平面,最后输出分类结果。UCI数据库中9组数据集的实验结果表明:新算法提高了样本的分类准确率,在线性的情况下平均提高了2.19个百分点,在非线性的情况下平均提高了3.14个百分点,有效地提高了模型的泛化能力。
-
关键词
近似支持向量机
不平衡样本
参数
惩罚因子
模型改进
-
Keywords
Proximal Support Vector Machine （PSVM）
unbalanced sample
parameter
penalty factor
model modification
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
