一种用于非平衡数据的SVM学习算法.pdfVIP

第34卷第20期 计算机工程 2008年lO月 VoL34No．20 ComputerEngineering October2008 ·人工智能及识别技术· 文章编号l 1000--3428(2008)20--0198--02文献标识码tA 中田分类号。TPl8 一种用于非平衡数据的SVM学习算法 蒋莎，张晓龙 (武汉科技大学计算机学院，武汉430081) ■翼：在实际应用中的分类数据往往是非平衡数据，少数类另怕g数据可能有很大的分类代价。分类性能不仅要考虑分类精度，同时要考 虑分类代价。该文扩展了支持向量机(SVM)学习方法，对于以高斯核为核函数时的少数类和多数类使用不同的惩罚参数矿，f以获得高敏 感度的超平面，并提出利用遗传算法对SVM的学习参数进行优化调整。给出一种新的评价函数，对分类结果的质量进行评价。实验结果 证明，算法对于非平衡数据的分类有较好的效果，对少数类样本预测的准确性较高。 关翻：支持向量机；非平衡数据；评价函数；学习参数优化 SVM UsedinImbalanceData LearningAlgorithm JIANGSha，ZHANGXiao-long of Scienceand ofScienceand 43008 (SchoolComputer Technology,WuhanUniversity Technology,Wuhan1) In datais imbalanced，oneclassis“rare’relativetotheother,andmisclassificationcostoftherareclass [Abstractlpractice，trainingusually may bemuch thantheCOStoftheotherclass．Inthis andthemisclassificationcostshouldbeconsidered．Thisextendsthe greater situation，accuracy paper Vector ontheGauss theUSgofP(the totherare C(the SupportMachine(SVM)learningmethod，based kernel，by weightassigned class)，and totheotherclass)totrainmoresensitive is newsensitive weightassigned hyperplane，whichoptimizedbygenericalgorithm．Meanwhile，aquality measurefunctionisintroducedinthe resultsshowthatthe has performance optimizationprocess．Experimental optimizedalgorithmcompetitive when withtherareclassintheimbalancedata． dealing training Vector data；measure [KeywordslSupportMachine(SVM)；imbalancefunction；learningparametersoptimization 1概述