多子域隔离学习组合决策用于不均衡样本
来源：计算机应用杂志2016年第9期北京时间：
作者：靳燕, 彭新光
单位：1. 山西大学商务学院 信息学院, 太原 030031;2. 太原理工大学 计算机科学与技术学院, 太原 030024
摘要：为进一步弱化数据不均衡对分类算法的束缚，从数据集区域分布特性着手，提出了不均衡数据集上基于子域学习的复合分类模型。子域划分阶段，扩展支持向量数据描述（SVDD）算法给出类的最小界定域，划分出域内密集区与域外稀疏区。借鉴不同类存在相似样本的类重叠概念，对边界样本进行搜索，组合构成重叠域。子域清理阶段，基于邻近算法（KNN）的邻近性假设，结合不同域的密疏程度，设置样本有效性参数，对域内样本逐个检测以清理噪声。各子域隔离参与分类建模，按序组合产生出用于不均衡数据集的复合分类器CCRD。在相似算法对比以及代价敏感MetaCost对比中，CCRD对正类的正确分类改善明显，且未加重负类误判；在SMOTE抽样比较中，CCRD改善了负类的误判情形，且未影响正类的正确分类；在五类数据集的逐个比较中，CCRD分类性能均有提升，在Haberman_sur的正类分类性能提升上尤为明显。结果表明，基于子域学习的复合分类模型的分类性能较好，是一种研究不均衡数据集的较有效的方法。
关键词：不均衡数据集区域分布,支持向量数据描述,稀疏域与重叠域,子域隔离学习,复合分类器
基金资助：山西省自然科学基金资助项目（2010011022-2）；山西省高等学校科技创新项目（20131112）；山西大学商务学院科研基金资助项目（2014010）。
