基于主动学习的非平衡支持向量机分类方法

作     者：崔丽娜 Cui Li’na

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 

出 版 物：《现代计算机》 (Modern Computer)

年 卷 期：2022年第28卷第1期

页      面：10-17页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

主　　题：支持向量机 非平衡数据 主动学习 关键信息样本 

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;L)。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。