基于類(lèi)別失衡數(shù)據(jù)集的改進(jìn)支持向量機(jī)模型的研究.pdf

1、計(jì)算機(jī)技術(shù)的快速發(fā)展，使得數(shù)據(jù)量迅速地增長(zhǎng)。為了利用這些數(shù)據(jù)來(lái)指導(dǎo)當(dāng)前的工作及科學(xué)研究，基于數(shù)據(jù)挖掘的應(yīng)用技術(shù)被發(fā)掘出來(lái)并快速發(fā)展。許多實(shí)際研究中，數(shù)據(jù)集是類(lèi)別失衡的，即基于一個(gè)類(lèi)別的數(shù)據(jù)量與屬于另一類(lèi)別的數(shù)據(jù)量差距較大，且小樣本量類(lèi)呈現(xiàn)出的信息通常更具價(jià)值，故而類(lèi)別失衡分類(lèi)問(wèn)題一直是我們研究數(shù)據(jù)挖掘的一個(gè)熱門(mén)。傳統(tǒng)的機(jī)器學(xué)習(xí)算法，往往會(huì)導(dǎo)致對(duì)小樣本量類(lèi)的識(shí)別率較低，而致使分類(lèi)器分類(lèi)性能大幅度降低。
　　建立于統(tǒng)計(jì)學(xué)習(xí)基礎(chǔ)之上的分

2、類(lèi)方法—支持向量機(jī)，具有堅(jiān)實(shí)的理論依據(jù)，對(duì)于類(lèi)別非失衡數(shù)據(jù)集有比其他分類(lèi)算法更好的分類(lèi)效果，但對(duì)于兩類(lèi)失衡樣本分類(lèi)效果稍有欠缺。本文鑒于類(lèi)別失衡數(shù)據(jù)集分類(lèi)難的情況，結(jié)合前人的成果提出了邊界修剪支持向量機(jī)方法。該方法在盡量不降低分類(lèi)正確率的同時(shí)，提高了對(duì)小樣本量類(lèi)樣本的識(shí)別率;同時(shí)也彌補(bǔ)了支持向量機(jī)在類(lèi)別失衡數(shù)據(jù)集分類(lèi)中的不足，并從以下方面做出了改進(jìn)。
　　1.分類(lèi)邊界混疊數(shù)據(jù)的處理。本文主要是對(duì)不同類(lèi)別的樣本的邊界進(jìn)行處理，由于邊

3、界數(shù)據(jù)對(duì)支持向量的重要影響，故而其對(duì)分類(lèi)器的構(gòu)建也比較重要。先前大部分的研究工作主要采用將分類(lèi)邊界混疊數(shù)據(jù)直接刪除或簡(jiǎn)單地添加到小樣本量類(lèi)中的處理方式，而忽略了邊界混疊數(shù)據(jù)對(duì)小樣本量類(lèi)的分類(lèi)精度的影響。鑒于此，本文對(duì)邊界混疊數(shù)據(jù)進(jìn)行了細(xì)致地劃分與處理。
　　2.不同類(lèi)別支持向量數(shù)目的修剪。本文根據(jù)小樣本量類(lèi)樣本量與大樣本量類(lèi)支持向量數(shù)目的關(guān)系采取相應(yīng)的處理策略。當(dāng)小樣本量類(lèi)樣本量與大樣本量類(lèi)支持向量數(shù)目均衡時(shí)，通過(guò)引入軟間隔來(lái)求解