论文研究改进SVMKNN的不平衡数据分类.pdf

针对支持向量机（SVM）在超平面附近进行不平衡数据（imbalanceddatasets）分类的不准确性，提出了一种改进SVM-KNN算法，该算法在分类阶段计算测试样本与最优超平面的距离，如果距离差大于给定阈值可直接应用支持向量机分类；如果距离差小于给定阈值，则将所有支持向量都作为测试样本的近邻样本，进行KNN分类。通过对UCI数据集的大量实验表明，该算法在少数类样本的识别率和分类器的整体性能上有明显改善。