基于ADASYN与AdaBoostSVM相结合的不平衡分类算法
对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM的AS-AdaBoostSVM分类算法.首先,通过使用ADASYN采样,提高少类样本在边界区域的密度;然后,使用基于径向基核支持向量机(radial basis function kernel mapping support vector machine,RBFSVM)模型弱分类器的AdaBoostSVM算法训练得到决策分类器.通过将该算法在各种不平衡数据集上的测试结果与单纯运用ADASYN技术、AdaBoostSVM、SMOTEBoost等其他分类器进行比较,验证了该算法的有效性和鲁棒性.
机器学习、不平衡数据、数据分类、ADASYN、AdaBoostSVM
43
TP391(计算技术、计算机技术)
国家重大科学仪器设备开发专项资助项目2014YQ470377
2017-04-10（万方平台首次上网日期，不代表论文的发表时间）
共8页
368-375
