论文研究基于证据理论的不平衡数据半监督分类方法.pdf

针对标记样本少的不平衡数据，提出一种基于证据理论和biased-SVM的不平衡数据半监督分类方法。首先采用随机子空间方法得到不同的视图；然后在各个视图上利用初始的标记样本集训练biased-SVM模型，并将其应用于未标记样本集，从而得到未标记样本的类概率输出；最后引入证据理论进行信息融合来提高标注的稳定性。通过在一些公共数据集上的实验结果表明，与其他方法相比，在不同的标记样本率下，所提方法均具有较高的数据集整体的G-mean值和小类的F-value值，并具有较高的稳定性。