处理非平衡数据的粒度SVM学习方法

作     者：徐乾 王文剑 张文浩 XU Qian;WANG Wenjian;ZHANG Wenhao

作者机构：山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2011年第47卷第24期

页      面：97-99,114页

核心收录：

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(No.60975035 No.71031006) 教育部博士点基金(No.20091401110003) 山西省自然科学基金重点项目(No.2009011017-2) 山西省回国留学人员科研资助项目(No.2008-14) 

主　　题：支持向量机 粒度计算 粒度支持向量机 关联规则 非平衡数据 

摘      要：通过多维关联规则挖掘,将粒度计算(Granular Computing,GrC)和支持向量机(Support Vector Machine,SVM)有效融合,提出一种粒度支持向量机(Granular SVM,GSVM)学习方法,称为AR-GSVM。该方法用于非平衡数据处理时,不仅可以有效降低分类器的复杂性,而且本质上可以进行并行计算以提高学习效率,同时提高分类器的泛化能力。考虑到保持数据在原始空间和特征空间的分布一致性,在AR-GSVM的基础上又提出核空间上的粒度支持向量机学习方法,称为AR-KGSVM,该方法具有更好的泛化性能。通过在UCI数据集上的实验表明:AR-GSVM和AR-KGSVM的泛化能力优于一些常用非平衡数据处理的方法。