基于不确定性采样的自训练代价敏感支持向量机研究-中南大学学报.PDFVIP

第 43卷第 2期 中南大学学报(自然科学版)  Vol.43  No.2  2012 年 2 月  Journal ofCentral South University(Scienceand Technology)  Feb. 2012  基于不确定性采样的自训练代价敏感支持向量机研究 1  2  2  江彤  ，唐明珠  ，阳春华  (1.  湖南人文科技学院 计算机科学技术系，湖南 娄底，417000；  2.  中南大学 信息科学与工程学院，湖南 长沙，410083)  摘要：针对样本集中的类不平衡性和样本标注代价昂贵问题，提出基于不确定性采样的自训练代价敏感支持向量 机。不确定性采样通过支持向量数据描述评价未标注样本的不确定性，对不确定性高的未标注样本进行标注，同 时利用自训练方法训练代价敏感支持向量，代价敏感支持向量机利用代价参数和核参数对未标注样本进行预测。 实验结果表明：该算法能有效地降低平均期望误分类代价，减少样本集中样本需要标注次数。 关键词：主动学习；代价敏感支持向量机；自训练方法；不确定性采样；支持向量数据描述 中图分类号：T18  文献标志码：A  文章编号：1672−7207(2012)02−0561−06  Self­training cost­sensitive support vector machine with  uncertainty based onsampling  1  2  2  JIANGTong , TANGMing­zhu , YANG Chun­hua  (1.Department of Computer Science and Technology, Hunan Institute of Humanities,  Science and Technology, Loudi 417000, China;  2. School of Information Science  Engineering, Central South University, Changsha 410083, China)  Abstract: Self­training cost­sensitive support vector machine with uncertainty based sampling (SCU) was proposed to  solve two difficulties of class­imbalanced dataset and expensive labeled cost. The uncertainty of unlabeled sample was  evaluated  using  support  vector  data  description  in  uncertainty  based  sampling.  The  unlabeled  sample  with  high  uncertainty was selected to be labeled. Cost­sensitive support vector machine was trained using self­training a