基于类重叠度欠采样的不平衡模糊多类支持向量机-中国科学院大学.PDFVIP

第 ! 卷第 # 期 中 国 科 学 院 大 学 学 报 ?*/@! B*@# A $%’ 年 ( 月 )*+,-./*01-234,5267*0892-454:;.4=7*0;24-;45 )+/7 $%’ !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 文章编号 !$%FKG!# !$%’ #%#K%!GK%’ 基于类重叠度欠采样的不平衡模糊多类支持 向量机 H 吴园园 !申立勇 ! 中国科学院大学数学科学学院 北京 %%%#F# !$%( 年 月 $ 日收稿% $%( 年 G 月 $ 日收修改稿# 529 9 CA#3* 9;!/L%,%34#12dd( /2,+4,%???2SS.$#4.$/%4A+3#%,6.$+A/ L%?#.34,%??).#$,%S#6$## 23#$?%/S,+36 ’;.2$3%,.1=3+#$?+( .1@A+3#?#B4%#/( .1C4+#34#? DEFG HI !J #$IHV)IJH; 摘A要A传统 的欠采样方法容易丢失重要的样本信息 且其 实验结果的稳定 性较差! 针对上 述问题 提 出一种基于类重叠度欠采样 的不平衡数据模 糊 多类支持 向量机算法! 该算 法首先 X]E 采用 局部离群 点因子和箱线 图的方法清洗训练数据集 中的噪声样本 然后根据类重叠度 抽取对分类起关键作用的支持 向量 并且将代表每个样本 点重要程度 的类重叠度作为隶属度 ! 值 构造模糊 多类支持 向量机 实验结果表 明 该算 法克服 了随机欠采样 的支持 向量机容易丢 失重要样本信息和实验结果不稳定的缺 点 且很好地提升 了支持 向量机在不平衡且含 噪声的 数据集上 的分类精度 并保持较高的计算效率! 关键词A 支持 向量机 #模糊 多类支持 向量机 #噪声#不平衡数据 #类重叠度 中图分类号 !\g’AA文献标志码 !:AA.+$%^($! _Z@255-@$%FKG!#^$%’^%#^%( !/L%,%34#12dd( /2,+4,%???2SS.$#4.$/%4A+3#%,6.$+A/ L%?#.34,%??).#$,%S#6$##23#$?%/S,+36 M1Q+.-7+.- WJBX27*-I !!#$$%$’()#*+(),(%!,*-*. /-,0*1.,)2$3#,-*.*4(5*+2$!,*-*. 6*,7,-8 %%%#F 3#,-( # BL?$%4A1-4,5.=C/2-I25.;*==*-/7K+54 =469* 0*,.6.,4;*-56,+;62*-@\925=469* 25+54 6*5*/34694C,*D/4= *02=D./.-;4 .6.;/.55202;.62*-@W*V434, 6946,.262*-./+-4,5.=C/2-I =469* *064- /*5452=C*,6.-65.=C/42-0*,=.62*- .- /.;a556.D2/26245*04YC4,2=4-6./,45+/65@