基于類別失衡數(shù)據(jù)集的改進支持向量機模型的研究.pdf

1、計算機技術(shù)的快速發(fā)展，使得數(shù)據(jù)量迅速地增長。為了利用這些數(shù)據(jù)來指導(dǎo)當(dāng)前的工作及科學(xué)研究，基于數(shù)據(jù)挖掘的應(yīng)用技術(shù)被發(fā)掘出來并快速發(fā)展。許多實際研究中，數(shù)據(jù)集是類別失衡的，即基于一個類別的數(shù)據(jù)量與屬于另一類別的數(shù)據(jù)量差距較大，且小樣本量類呈現(xiàn)出的信息通常更具價值，故而類別失衡分類問題一直是我們研究數(shù)據(jù)挖掘的一個熱門。傳統(tǒng)的機器學(xué)習(xí)算法，往往會導(dǎo)致對小樣本量類的識別率較低，而致使分類器分類性能大幅度降低。
　　建立于統(tǒng)計學(xué)習(xí)基礎(chǔ)之上的分

2、類方法—支持向量機，具有堅實的理論依據(jù)，對于類別非失衡數(shù)據(jù)集有比其他分類算法更好的分類效果，但對于兩類失衡樣本分類效果稍有欠缺。本文鑒于類別失衡數(shù)據(jù)集分類難的情況，結(jié)合前人的成果提出了邊界修剪支持向量機方法。該方法在盡量不降低分類正確率的同時，提高了對小樣本量類樣本的識別率;同時也彌補了支持向量機在類別失衡數(shù)據(jù)集分類中的不足，并從以下方面做出了改進。
　　1.分類邊界混疊數(shù)據(jù)的處理。本文主要是對不同類別的樣本的邊界進行處理，由于邊

3、界數(shù)據(jù)對支持向量的重要影響，故而其對分類器的構(gòu)建也比較重要。先前大部分的研究工作主要采用將分類邊界混疊數(shù)據(jù)直接刪除或簡單地添加到小樣本量類中的處理方式，而忽略了邊界混疊數(shù)據(jù)對小樣本量類的分類精度的影響。鑒于此，本文對邊界混疊數(shù)據(jù)進行了細致地劃分與處理。
　　2.不同類別支持向量數(shù)目的修剪。本文根據(jù)小樣本量類樣本量與大樣本量類支持向量數(shù)目的關(guān)系采取相應(yīng)的處理策略。當(dāng)小樣本量類樣本量與大樣本量類支持向量數(shù)目均衡時，通過引入軟間隔來求解