最小二乘支持向量机的一种非均衡数据分类算法

赵会; 黄景涛; 谈书才

Chinese

您当前的位置：

首页 >

文章列表页 >

最小二乘支持向量机的一种非均衡数据分类算法

更新时间：2026-09-04

- 最小二乘支持向量机的一种非均衡数据分类算法
- Research on Classification of Imbalanced Data Based on Least Squares Support Vector Machine
- 微电子学与计算机 2010年27卷第4期页码：33-37
- 作者机构：
  
  河南科技大学机构电子信息工程学院,河南,洛阳,471003
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目（70671035）;河南省重点科技攻关项目（082102210015）
- DOI：
  中图分类号：
- 纸质出版：2010
- 稿件说明：
移动端阅览
赵会, 黄景涛, 谈书才. 最小二乘支持向量机的一种非均衡数据分类算法[J]. 微电子学与计算机, 2010, 27(4): 33-37.

ZHAO Hui, HUANG Jing-tao, TAN Shu-cai. Research on Classification of Imbalanced Data Based on Least Squares Support Vector Machine[J]. 2010, 27(4): 33-37.
赵会, 黄景涛, 谈书才. 最小二乘支持向量机的一种非均衡数据分类算法[J]. 微电子学与计算机, 2010, 27(4): 33-37. DOI：

ZHAO Hui, HUANG Jing-tao, TAN Shu-cai. Research on Classification of Imbalanced Data Based on Least Squares Support Vector Machine[J]. 2010, 27(4): 33-37. DOI：

摘要

为了提高支持向量机的非平衡数据分类能力

分析了最小二乘支持向量机的本质特征

提出了一种基于中心距离比的非平衡数据分类算法

同时通过修剪边界样本

解决了最小二乘支持向量机缺失稀疏性的问题.在UCI标准数据集上进行的试验表明:该算法能够有效地提高支持向量机对非均衡分布数据的正确性

且该算法在不影响训练精度的前提下

可以得到稀疏解

算法的训练速度也有了一定的提高.

Abstract

To improve the classification performance of unbalanced datasets

the nature characteristics of sparse least squares support vector machines (LS-SVM) was analyzed and an algorithm based on center distance ratio for the unbalanced samples was proposed. Meanwhile

the problem of sparseness lacking in the least squares support vector machines was solved by pruning the boundary samples. The new algorithm was tested on the UCI datasets. The results indicate that this method can effectively improve the classification accuracy of LS-SVM for the unbalanced samples

the proposed algorithm can properly obtain the sparse solutions without affecting the capacity of classification

and the speed of classifiers is also improved.

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

压缩传感技术及其应用

基于监控指标关联性的微服务异常检测

一种用于极低压boost系统的高效率电荷泵

基于反向体偏置的高增益稳定性高温运放设计

注意力机制与改进密集卷积引导的信息隐藏模型