典型文献
基于主动学习的非平衡支持向量机分类方法
文献摘要：
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.
文献关键词：
支持向量机;非平衡数据;主动学习;关键信息样本
中图分类号：
作者姓名：
崔丽娜
作者机构：
长治幼儿师范高等专科学校信息技术教学部,长治 046000
文献出处：
引用格式：
[1]崔丽娜-.基于主动学习的非平衡支持向量机分类方法)[J].现代计算机,2022(01):10-17
A类：
ISVM,关键信息样本
B类：
主动学习,支持向量机分类,分类方法,统支,support,vector,machine,泛化性能,imbalanced,classification,method,active,learning,AL,练得,分类器,逐次,训练样本集,删除,非关键,始终保持,训练集,平衡性,非平衡数据分类,得令,令人满意
AB值：
0.28101
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
