基于支持向量机的不平衡样本分类研究

摘要：

分类问题是机器学习领域的重要研究方向之一.支持向量机是一种基于结构风险最小化的学习机器,在解决分类问题上有着出色的效果.但基于支持向量机的分类器在处理不平衡样本时,对少类样本分类准确率偏低.诸多研究在对此问题做分析时往往把主要原因归结为各类样本间数量上的不平衡,而没有充分考虑样本点在特征空间上的分布情况.针对此问题做出原因分析,并给出结论:样本的不平衡性主要是由特征空间下各类样本的分布所决定的,而和数量上的不平衡关系较小.通过实验验证结论的科学有效性.

关键词：支持向量机、不平衡样本集、特征空间、样本分布

所属期刊栏目：14

分类号：TP391.9(计算技术、计算机技术)

资助基金：山东省自然科学基金2009ZRB019CE

在线出版日期：2014-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：81-85,92