基于谱聚类欠取样的不均衡数据SVM分类算法

提出一种基于谱聚类欠取样的不均衡数据SVM分类算法。该算法首先在核空间中对多数类样本进行谱聚类,然后在每个聚类中根据聚类大小和该聚类与少数类样本间的距离,选择具有代表意义的信息点,最终实现训练样本间的数目均衡。实验中将该算法同其他不均衡数据预处理方法比较,结果表明该算法不仅能有效提高SVM算法对少数类的分类性能,而且总体分类性能及运行效率都有明显提高。