| 基于增量学习的非平衡SVM分类方法 |
| |
| 引用本文： | 崔丽娜,郭虎升.基于增量学习的非平衡SVM分类方法[J].计算机与现代化,2018,0(7):20. |
| |
| 作者姓名： | 崔丽娜 郭虎升 |
| |
| 基金项目： | 国家自然科学基金资助项目（61503229）；山西省自然科学基金资助项目（2015021096）；山西省高等学校科技创新项目（2015110） |
| |
| 摘 要： | 针对传统支持向量机（SupportVectorMachine,SVM）无法有效处理非平衡分类的问题，提出一种基于增量学习的非平衡SVM分类方法（ImbalancedSVMBasedonIncrementalLearning,ISVM_IL）。该方法首先提取多数类样本中的部分样本，与少数类样本合并参与训练得到初始分类器，然后根据分类器与其他样本的关系，选择距离分类器最近的样本作为增量样本加入训练集参与训练，从而减小实际参与训练的负类数据规模，提高非平衡分类的性能。实验结果表明，本文提出的ISVM_IL方法可以有效提高非平衡分类中重要的少数类样本的分类性能。
|
| 关 键 词： | 支持向量机 非平衡分类 增量学习 ISVM_IL算法 |
| 收稿时间： | 2018-08-27 |
ImbalancedSVMClassificationMethodBasedonIncrementalLearning |
| |
| CUILi-na,GUOHu-sheng.ImbalancedSVMClassificationMethodBasedonIncrementalLearning[J].Computer and Modernization,2018,0(7):20. |
| |
| Authors: | CUILi-na GUOHu-sheng |
| |
| Abstract: | Thispaperpresentsanimbalancedsupportvectormachine(SVM)basedonincrementallearning,namelyISVM_IL,tosolvetheimbalancedclassificationproblemthatthetraditionalSVMclassificationmethodcannotsolve.Firstly,thismethodextractssomesamplesfromthemajoritynegativeclass,andtheinitialclassifiercanbeobtainedbytrainingSVMonthesesamplesandminoritypositiveclasssample.Then,accordingtotherelationshipbetweentheclassifierandothernegativesamples,thenearestsampletotheclassifierisselectedasanincrementalsampletojointhetrainingsettoparticipateintheSVMtraining.Therefore,thenegativeclasssizeoftheactualtrainingisreducedandtheperformanceofimbalancedclassificationisimproved.TheexperimentresultdemonstratesthattheproposedISVM_ILmethodcanimprovetheclassificationperformanceofimportantminorityclasssampleofimbalancedclassification. |
| |
| Keywords: | supportvectormachine imbalancedclassification incrementallearning ISVM_ILalgorithm |
|
| 点击此处可从《计算机与现代化》浏览原始摘要信息 |
|
点击此处可从《计算机与现代化》下载全文 |
