基于核空间中K-近邻的不均衡数据算法
来源：计算机科学与探索杂志2015年第7期北京时间：
作者：杜红乐
单位：商洛学院 数学与计算机应用学院，陕西 商洛 726000
摘要：为了解决传统分类器的过拟合现象，从而增强分类性能，提出了一种基于核空间中K-近邻算法的混合取样的不均衡数据集分类算法。该算法首先在核空间上计算样本与相反类样本的k个近邻，以及类样本间的平均距离，即两个类中心间的距离；然后依据控制参数删除远离分类边界的样本，再对少数类利用SMOTE算法插入样本；最后在新的训练集上确定最终决策函数。在人工数据集和4组UCI数据集上进行了实验，结果表明了该算法对不均衡数据集进行降维采样的有效性。
关键词：支持向量机,不均衡数据,过取样,欠取样,K-近邻
