异构分类器融合环境下的非平衡数据分类模型

摘要：

为解决非平衡数据分类中的正样本分类精度不高的瓶颈问题,提出了一种异构分类器融合环境下的非平衡数据分类模型.该模型基于差异采样率的重采样算法和改进的Adaboost算法,融合了SVM和C5.0两种基分类器；基于知识融合机制,采用了独特的分类器选择策略、分类器集成方法、分类决策方案.仿真实验结果表明,SCECM模型分类性能稳定,在非平衡数据集上具有良好的分类性能.

关键词：非平衡数据分类、异构分类器、差异采样率、分类模型

所属期刊栏目：21

分类号：F27;TP3

资助基金：国家自然科学基金60675030,60875029.教育部科技重点项目教技司[2000]175;北京市自然科学基金4022008

在线出版日期：2012-03-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1101-1107