论文研究基于空间重叠度的DTBSVM多类分类算法.pdf

SVM在处理不平衡数据分类问题（class imbalance problem）时，其分类结果常倾向于多数类。为此，综合考虑类间不平衡和类内不平衡，提出一种基于聚类权重的分阶段支持向量机（WSVM）。预处理时，采用K均值算法得到多数类中各样本的权重。分类时，第一阶段根据权重选出多数类内各簇边界区域的与少数类数目相等的样本；第二阶段对选取的样本和少数类样本进行初始分类；第三阶段用多数类中未选取的样本对初始分类器进行优化调整，当满足停止条件时，得到最终分类器。通过对UCI数据集的大量实验表明，WSVM在少数类样本的识别率和分类器的整体性能上都优于传统分类算法。