不平衡最小二乘支持向量机

被引：5

作者：

薛贞霞 ^{[1
,2
]}

刘三阳 ^{[1
]}

刘万里 ^{[1
,3
]}

机构：

[1] 西安电子科技大学应用数学系

[2] 河南科技大学数学系

[3] 洛阳师范学院数学系

来源：

系统仿真学报 | 2009年 / 14期

关键词：

不平衡数据; 最小二乘支持向量机; 投影;

D O I：

10.16182/j.cnki.joss.2009.14.079

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对标准的最小二乘支持向量机(LSSVM)没有考虑样本分布不平衡的问题提出一种称为不平衡最小二乘支持向量机的算法。首先用标准的最小二乘支持向量机对原始数据进行初步训练,产生一个分离超平面的法向量。然后把高维样本投影到该法向量上得到一维数据.最后由该一维数据的标准差以及样本数量差异所提供的信息,给出两类数据惩罚因子比例,再用标准的最小二乘支持向量机进行第二次训练,对分离超平面进行调整。该方法克服传统方法只考虑数量的不平衡的不足,将原有样本集中具有的分类信息充分提取出来,提高了最小二乘支持向量机的泛化能力。实验结果表明,所提方法可以有效提高不平衡数据的分类性能。

引用

页码：4324 / 4327

页数：4

共 5 条

[1] 基于支持向量机的概率密度估计方法 [J].