优化的支持向量机集成分类器在非平衡数据集分类中的应用

来源：计算机应用杂志2015年第5期北京时间：

作者：章少平, 梁雪春

单位：南京工业大学 自动化与电气工程学院, 南京 211816

摘要：传统的分类算法大都建立在平衡数据集的基础上,当样本数据不平衡时,这些学习算法的性能往往会明显下降.对于非平衡数据分类问题,提出了一种优化的支持向量机(SVM)集成分类器模型,采用KSMOTE和Bootstrap对非平衡数据进行预处理,生成相应的SVM模型并用复合形算法优化模型参数,最后利用优化的参数并行生成SVM集成分类器模型,采用投票机制得到分类结果.对5组UCI标准数据集进行实验,结果表明采用优化的SVM集成分类器模型较SVM模型、优化的SVM模型等分类精度有了明显的提升,同时验证了不同的bootNum取值对分类器性能效果的影响.

关键词：非平衡数据,分类算法,支持向量机,集成分类器

基金资助：江苏省普通高校研究生科研创新计划项目(SJLX_0334);江苏省科技厅软科学项目(BR2012043).