基于不平衡数据集的主动学习分类算法

doi:10.14107/j.cnki.kzgc.161489

	基于不平衡数据集的主动学习分类算法
	赵小强; 刘梦依
刊名	控制工程
	2019-02-20
卷号	26 期号:2019年02期页码:314-319
关键词	数据挖掘不平衡数据集分类少数类样本合成过采样技术
ISSN号	ISSN：1671-7848
DOI	10.14107/j.cnki.kzgc.161489
英文摘要	针对不平衡数据集在分类过程中易产生噪声数据和分类精度低的问题,提出一种基于改进SMOTE的不平衡数据集主动学习SVM分类算法。该算法对训练样本集利用少数类样本的归属值通过多数票选择法控制合成少数类样本的数量,以距离公式为衡量标准划分超平面,在分类超平面两侧选择最近距离的等量对称的多数类样本,组成平衡采样数据集,利用支持向量机(SVM)进行分类得到优化分类器,再用主动学习对去除了训练样本的不平衡数据集利用优化分类器进行分类循环,直到剩余样本为零。利用UCI数据集中的数据实验表明,该算法有效地减少了噪声数据对分类的影响,并有效改善不平衡数据集的分类精度。
URL标识	查看原文
WOS研究方向	Automation & Control Systems
语种	中文
CSCD记录号	CSCD:6428606
状态	已发表
内容类型	期刊论文
源URL	[http://119.78.100.223/handle/2XXMBERH/928]
专题	电气工程与信息工程学院
作者单位	兰州理工大学电气工程与信息工程学院, 兰州, 甘肃 730050, 中国
推荐引用方式 GB/T 7714	赵小强,刘梦依. 基于不平衡数据集的主动学习分类算法[J]. 控制工程,2019,26(2019年02期):314-319.
APA	赵小强,&刘梦依.(2019).基于不平衡数据集的主动学习分类算法.控制工程,26(2019年02期),314-319.
MLA	赵小强,et al."基于不平衡数据集的主动学习分类算法".控制工程 26.2019年02期(2019):314-319.