发表刊物：北京工业大学学报
刊物所在地：北京工业大学
关键字：机器学习; 不平衡数据; 数据分类; ADASYN; AdaBoostSVM
摘要：对于平衡数据集支持向量机( support vector machine，SVM) 通常具有很好的分类性能和泛化能力，然而对
于不平衡数据集，SVM 只能得到次优结果，针对该问题提出了一种基于SVM 的AS-AdaBoostSVM 分类算法． 首先，
通过使用ADASYN 采样，提高少类样本在边界区域的密度; 然后，使用基于径向基核支持向量机( radial basis
function kernel mapping support vector machine，ＲBFSVM) 模型弱分类器的AdaBoostSVM 算法训练得到决策分类器．
通过将该算法在各种不平衡数据集上的测试结果与单纯运用ADASYN 技术、AdaBoostSVM、SMOTEBoost 等其他分
类器进行比较，验证了该算法的有效性和鲁棒性．
是否译文：否
发表时间：2016-12-03
第一作者：王守觉(外),黄德天,骆炎民,柳培忠