论文研究改进的SVM解决背景知识数据中的类不平衡.pdf

针对背景知识数据集中存在的类不平衡对分类器的影响，根据背景知识数据集样本量小、数据维数高的特性分析了目前各种方法在解决背景知识数据中的类不平衡问题时的缺陷，提出了一种基于分类后处理的改进SVM算法。改进算法引入权重参数调整SVM的分类决策函数，提高少类样本对分类器的贡献，使分类平面向多类样本倾斜，从而解决类不平衡对SVM造成的影响。在MAROB数据集上的实验表明，改进算法对少类的预测效果要优于传统的机器学习算法。