基于支持向量机的高维不平衡数据二分类方法的研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

近年来，生物信息学、模式识别等不少领域中，出现了同时存在高维问题和不平衡问题的高维不平衡数据。高维问题是指由于数据集特征空间维数过高而存在着一些对分类效果产生负面影响的特征组合，导致分类效果不佳；不平衡问题是指在数据集里不同类别的样本在数量上分布不均匀，导致分类器对少数类关注不够，容易忽略它们蕴含的珍贵信息，从而影响分类效果。在高维不平衡数据中，高维问题和不平衡问题同时存在，互相影响，形成了新的问题。到目前为止，不少研究者单独针对高维问题和不平衡问题进行了研究，并提出了一系列成熟的算法。但是对同时展现出高维特性和不平衡特性的数据，绝大部分现有的方法都是先解决高维问题或不平衡问题，再解决另一个问题，并没有考虑到高维特性和不平衡特性相互影响而形成的新问题。
　　本文首先对高维问题和不平衡问题分别进行了介绍，并分析了高维问题和不平衡问题相互影响形成的新问题，通过阐述这些问题逐步展开分析研究。然后介绍了支持向量机 SVM，分析它在解决高维问题和不平衡问题中的优势，并对现有的一些解决高维问题和不平衡问题的算法进行总结，分析其优缺点。接着，改进 SVM-RFE算法以便在考虑不平衡特性的情况下对高维数据进行特征选择，并基于SVM自动划分边界样本的特点改进 SMOTE过采样算法以便在希尔伯特空间下进行边界过采样，同时对边界少数类样本的过采样倍率进行调节，提出了一种针对高维不平衡数据二分类的BRFE-PBKS-SVM算法。随后进行了一系列的实验，并且采用可以有效考察算法效果的多种指标来评价实验结果，证明了该算法的有效性。

著录项

作者
陆俊儒;
展开▼
作者单位

哈尔滨工业大学;

展开▼
授予单位哈尔滨工业大学;
学科计算机科学与技术
授予学位硕士
导师姓名张春慨;
年度 2016
页码
总页数
原文格式 PDF
正文语种中文
中图分类自动推理、机器学习;
关键词
高维不平衡; 支持向量机; 特征选择; 边界样本; 过采样; 数据分类;

相似文献

中文文献
外文文献
专利

1. 基于支持向量机的不平衡数据集分类方法研究 [J] . 杨智明 ,彭宇 ,彭喜元 . 仪器仪表学报 . 2009,第5期
2. 基于二分K均值的SVM决策树的高维数据分类方法 [J] . 张娇 ,裘国永 ,张奇 . 赤峰学院学报（自然科学版） . 2012,第007期
3. 基于线性判别分析和二分K均值的高维数据自适应聚类方法 [J] . 汪万紫 ,裘国永 ,张兵权 . 郑州轻工业学院学报（自然科学版） . 2011,第002期
4. 高维数据的稳健二分类方法 [J] . 史兴杰 ,王赛旎 ,李扬 . 统计研究 . 2020,第009期
5. 一种基于代价敏感集成决策树的不平衡数据分类方法研究 [J] . 张珏 ,田建学 ,董婷 . 榆林学院学报 . 2021,第002期
6. 面向不平衡数据的隐式篇章关系分类方法研究 [C] . ZHU Shanshan ,朱珊珊 ,HONG Yu . 中国中文信息学会2015学术年会（CIPS2015）暨第十四届全国计算语言学学术会议（CCL2015）、第三届基于自然标注大数据的自然语言处理国际学术研讨会（NLP-NABD2015） . 2015
7. 基于邻域三支决策的不平衡数据二分类方法及其应用研究 [A] . 余春霖 . 2019

基于支持向量机的高维不平衡数据二分类方法的研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅