基于支持向量機(jī)的不平衡數(shù)據(jù)集分類算法研究.pdf

1、現(xiàn)代計(jì)算機(jī)技術(shù)的高速發(fā)展,使得在科學(xué)研究和社會(huì)生活的各個(gè)領(lǐng)域中積累了大量的數(shù)據(jù),為將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí),數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生并得以迅速發(fā)展。但是存在一類數(shù)據(jù)集稱為不平衡數(shù)據(jù)集,這種數(shù)據(jù)集中一類數(shù)據(jù)的數(shù)目遠(yuǎn)遠(yuǎn)大于另一類數(shù)據(jù)的數(shù)目,而且往往少數(shù)類提供的信息更加重要,所以不平衡數(shù)據(jù)集的分類問(wèn)題成為現(xiàn)在數(shù)據(jù)挖掘領(lǐng)域研究的一個(gè)熱點(diǎn)。支持向量機(jī)是一種建立在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上的分類方法,具有堅(jiān)實(shí)的理論基礎(chǔ),對(duì)于普通數(shù)據(jù)集有比其他分類算法好

2、的分類效果,但是對(duì)于不平衡數(shù)據(jù)集的分類效果并不是很好。
　　 本文的研究?jī)?nèi)容首先從不平衡數(shù)據(jù)集的特點(diǎn)入手,提出基于聚簇的下采樣方法,通過(guò)分析得到支持向量機(jī)在不平衡數(shù)據(jù)集分類時(shí)失效的原因,采用提出的下采樣方法,對(duì)多數(shù)類的支持向量進(jìn)行下采樣,目的是刪除一部分多數(shù)類樣本,以降低多數(shù)類與少數(shù)類的不平衡程度,然后利用不同類懲罰支持向量機(jī)對(duì)新樣本集進(jìn)行訓(xùn)練,達(dá)到提高分類精度的目的。
　　 現(xiàn)今流行的處理不平衡數(shù)據(jù)集分類的方法之一是代