现代计算机2022，Vol.28Issue(1) ：10-17.DOI:10.3969/j.issn.1007-1423.2022.01.002

基于主动学习的非平衡支持向量机分类方法

Imbalanced Support Vector Machine Classification Algorithm Based on Active Learning

崔丽娜
现代计算机2022，Vol.28Issue(1) ：10-17.DOI:10.3969/j.issn.1007-1423.2022.01.002
✕
  • 维普
  • 万方数据

基于主动学习的非平衡支持向量机分类方法

Imbalanced Support Vector Machine Classification Algorithm Based on Active Learning

崔丽娜1
扫码查看

作者信息

  • 1. 长治幼儿师范高等专科学校信息技术教学部,长治 046000
  • 折叠

摘要

针对传统支持向量机(support vector machine,SVM)处理非平衡的数据分类泛化性能差的问题,提出了一种基于主动学习的非平衡SVM分类方法(the imbalanced SVM classification method based on active learning,ISVM_AL).该方法先对多数的负类样本进行划分采样,再与少数的正类样本合并训练得到初始分类器,并根据负类剩余样本集中样本与分类器间的距离,选择主动学习中的关键信息样本逐次加入到负类训练样本集中,同时删除负类训练样本集中相对次要的非关键信息样本,始终保持负类训练样本集与正类训练集样本规模的平衡性,以稳步提高SVM对于非平衡数据分类的泛化性能.实验结果表明,该方法能够有效改善SVM对于非平衡数据的分类能力,获得令人满意的泛化性能.

关键词

支持向量机/非平衡数据/主动学习/关键信息样本

引用本文复制引用

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
参考文献量5
段落导航相关论文