L-SMOTE与SVM结合的不平衡数据集分类研究

来源：计算机工程与应用杂志2019年第17期北京时间：

作者：罗康洋，王国强

单位：1.海工程技术大学 管理学院，上海 201620；2.海工程技术大学 数理与统计学院，上海 201620

摘要：针对不平衡数据集的低分类效率，基于L-SMOTE算法和混合核SVM提出了一种改进的SMOTE算法（FTL-SMOTE）。利用混合核SVM对数据集进行分类。提出了噪声样本识别三原则对噪声样本进行精确识别并予以剔除，进而利用F-SMOTE和T-SMOTE算法分别对错分和正确分类的少类样本进行采样。如此循环，直到满足终止条件，算法结束。通过在UCI数据集上与经典的SMOTE等重要采样算法以及标准SVM的大量实验表明，该方法具有更好的分类效果，改进算法与L-SMOTE算法相比，运算时间大幅减少。

关键词：不平衡数据集,分类,结合少数过采样技术（SMOTE）,混合核函数,支持向量机