基于ADASYN与AdaBoostSVM相结合的不平衡分类算法-Journalof.PDF

第43卷 第3期 北 京 工 业 大 学 学 报 Vol.43 No.3 2017年 3月 JOURNAL OF BEIJING UNIVERSITY OFTECHNOLOGY Mar. 2017 基于ADASYN 与AdaBoostSVM相结合的不平衡 分类算法 1 1 1 1 2 柳培忠 ,洪摇 铭 ,黄德天 ,骆炎民 ,王守觉 (1.华侨大学工学院,福建 泉州摇 362000;2.中国科学院半导体研究所,江苏 苏州摇 215123) 摘摇 要:对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对 于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM 的AS鄄AdaBoostSVM分类算法. 首先, 通过使用ADASYN采样,提高少类样本在边界区域的密度;然后,使用基于径向基核支持向量机(radial basis function kernel mapping support vector machine,RBFSVM)模型弱分类器的AdaBoostSVM算法训练得到决策分类器. 通过将该算法在各种不平衡数据集上的测试结果与单纯运用ADASYN技术、AdaBoostSVM、SMOTEBoost等其他分 类器进行比较,验证了该算法的有效性和鲁棒性. 关键词:机器学习;不平衡数据;数据分类;ADASYN;AdaBoostSVM 中图分类号:TP391 文献标志码:A 文章编号:0254-0037(2017)03-0368-08 doi:10.11936/ bjutxb2015110007 Joint ADASYN and AdaBoostSVM for Imbalanced Learining 1 1 1 1 2 LIU Peizhong ,HONG Ming ,HUANG Detian ,LUO Yanmin ,WANG Shoujue (1.College of Engineering,Huaqiao University,Quanzhou362000,Fujian,China; 2.Institute of Semiconductors,Chinese Academy of Sciences,Suzhou215123,Jiangsu,China) Abstract:For a balanced data set support vector machine (SVM) generally has good performance and generalization,but SVMscanonlyproducesuboptimalresultswithimbalanceddatasets. Inthispaper,a AS鄄AdaBoostSVM algorithmwasproposed based on SVM.First,by using ADASYN sampling,the density of small class sample in the border area was improved. Then,the decision classifiers was achieved by using RBFSVM as the weak classifiers in AdaBoost algorithm. By comparing the test results on a variety of unbalanced data sets with ADASYN, Ada