基于支持向量機(jī)的不平衡數(shù)據(jù)分類研究及應(yīng)用.pdf

1、在信息時(shí)代人們需要對大量的數(shù)據(jù)進(jìn)行處理，去尋找其規(guī)律并對其進(jìn)行運(yùn)用。分類是數(shù)據(jù)處理時(shí)經(jīng)常要做的工作，因此分類問題成為機(jī)器學(xué)習(xí)域的一個(gè)重要研究內(nèi)容。支持向量機(jī)方法通過核函數(shù)將訓(xùn)練集映射到一個(gè)高維空間，它可以實(shí)現(xiàn)有限樣本在線性和非線性情況下分類。研究表明，支持向量機(jī)對平衡數(shù)據(jù)有較好的分類效果，但對不平衡數(shù)據(jù)分類效果較差，這是因?yàn)橹С窒蛄繖C(jī)的分類超平面由支持向量決定，多數(shù)類樣本的支持向量個(gè)數(shù)也比少數(shù)類樣本多，這種情況會造成分類超平面偏移，降低

2、少數(shù)類樣本的識別率，當(dāng)樣本嚴(yán)重失衡時(shí)甚至找不到少數(shù)類樣本對應(yīng)的分類規(guī)則。
　　 本文的主要研究目標(biāo)是如何使用支持向量機(jī)方法對不平衡數(shù)據(jù)進(jìn)行分類，主要工作與創(chuàng)新點(diǎn)包括以下幾個(gè)方面：
　　 一、對支持向量機(jī)理論進(jìn)行研究。分析經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的局限性，介紹結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則及其優(yōu)越性，詳細(xì)總結(jié)支持向量機(jī)理論和研究現(xiàn)狀。
　　 二、對不平衡數(shù)據(jù)分類方法進(jìn)行研究。分析不平衡數(shù)據(jù)分類面臨的問題，重點(diǎn)對各種不平衡數(shù)據(jù)分類方法進(jìn)行

3、歸類和總結(jié)，且對各種方法的優(yōu)缺點(diǎn)進(jìn)行分析。
　　 三、給出一種基于聚類的數(shù)據(jù)集劃分支持向量機(jī)方法DISVM。其主要思想是將多數(shù)類樣本劃分為一系列子集，將每個(gè)劃分子集和少數(shù)類樣本進(jìn)行組合并用SVM方法分別進(jìn)行訓(xùn)練，最后對各子分類器集成。該方法主要針對以往算法在進(jìn)行數(shù)據(jù)集劃分時(shí)沒有考慮子集的劃分規(guī)則的缺點(diǎn)進(jìn)行改進(jìn)，并通過實(shí)驗(yàn)證明了本方法對不平衡數(shù)據(jù)分類問題的有效性。
　　 四、給出了一種基于壓縮凸包的不平衡數(shù)據(jù)支持向量機(jī)分類

4、方法GSVM。分析了支持向量機(jī)的幾何特性，先將兩類樣本向其重心方向壓縮，再求兩類樣本壓縮凸包的最近點(diǎn)對，并通過支持向量機(jī)方法生成分類超平面。實(shí)驗(yàn)證明，該方法有很好的分類性能。
　　 五、特征不平衡也是不平衡數(shù)據(jù)分類的一個(gè)重要方面，本文主要結(jié)合Golub等公布的急性白血病基因表達(dá)譜數(shù)據(jù)解決其特征不平衡問題。以往的方法僅考慮單個(gè)基因?qū)膊☆悇e判斷的影響，本文則主要考慮兩個(gè)基因的相關(guān)性，并以此為度量來篩選候選基因，且通過實(shí)驗(yàn)驗(yàn)證了方法