- 1、本文档共4页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
一种用于非平衡数据的SVM学习算法.pdf
第34卷第20期 计算机工程 2008年lO月
VoL34No.20 ComputerEngineering October2008
·人工智能及识别技术· 文章编号l 1000--3428(2008)20--0198--02文献标识码tA 中田分类号。TPl8
一种用于非平衡数据的SVM学习算法
蒋莎,张晓龙
(武汉科技大学计算机学院,武汉430081)
■翼:在实际应用中的分类数据往往是非平衡数据,少数类另怕g数据可能有很大的分类代价。分类性能不仅要考虑分类精度,同时要考
虑分类代价。该文扩展了支持向量机(SVM)学习方法,对于以高斯核为核函数时的少数类和多数类使用不同的惩罚参数矿,f以获得高敏
感度的超平面,并提出利用遗传算法对SVM的学习参数进行优化调整。给出一种新的评价函数,对分类结果的质量进行评价。实验结果
证明,算法对于非平衡数据的分类有较好的效果,对少数类样本预测的准确性较高。
关翻:支持向量机;非平衡数据;评价函数;学习参数优化
SVM UsedinImbalanceData
LearningAlgorithm
JIANGSha,ZHANGXiao-long
of Scienceand ofScienceand 43008
(SchoolComputer Technology,WuhanUniversity Technology,Wuhan1)
In datais imbalanced,oneclassis“rare’relativetotheother,andmisclassificationcostoftherareclass
[Abstractlpractice,trainingusually may
bemuch thantheCOStoftheotherclass.Inthis andthemisclassificationcostshouldbeconsidered.Thisextendsthe
greater situation,accuracy paper
Vector ontheGauss theUSgofP(the totherare C(the
SupportMachine(SVM)learningmethod,based kernel,by weightassigned class),and
totheotherclass)totrainmoresensitive is newsensitive
weightassigned hyperplane,whichoptimizedbygenericalgorithm.Meanwhile,aquality
measurefunctionisintroducedinthe resultsshowthatthe has performance
optimizationprocess.Experimental optimizedalgorithmcompetitive
when withtherareclassintheimbalancedata.
dealing training
Vector data;measure
[KeywordslSupportMachine(SVM);imbalancefunction;learningparametersoptimization
1概述
文档评论(0)