用于不平衡数据分类的模糊支持向量机算法

来源：大连理工大学学报杂志2016年第5期北京时间：

作者：鞠哲,曹隽喆,顾宏

摘要：作为一种有效的机器学习技术，支持向量机已经被成功地应用于各个领域．然而当数据不平衡时，支持向量机会产生次优的分类模型；另一方面，支持向量机算法对数据集中的噪声点和野点非常敏感．为了克服以上不足，提出了一种新的用于不平衡数据分类的模糊支持向量机算法．该算法在设计样本的模糊隶属度函数时，不仅考虑训练样本到其类中心距离，而且考虑样本周围的紧密度．实验结果表明，所提模糊支持向量机算法可以有效地处理不平衡和噪声问题．

关键词：支持向量机模糊支持向量机模糊隶属度不平衡数据分类

基金资助：国家自然科学基金资助项目(61502074,U1560102)；高等学校博士学科点专项科研基金资助项目(20120041110008).