基于单类支持向量机与KNN的两阶段不平衡数据分类
刘阳
江峰
青岛科技大学信息科学与技术学院 青岛 266061
摘要：针对单类支持向量机算法无法对不平衡数据集中的边界和离群样本进行准确分类的问题,将单类支持向量机与K近邻算法结合在一起,提出一种基于单类支持向量机与K近邻的两阶段不平衡数据分类算法TSC-OSK.TSC-OSK首先对训练集中的多数类样本与少数类样本分别进行拟合构建出两个单类支持向量机分类器,利用这两个分类器分别对测试样本进行第1阶段的分类,并将分类结果相互组合验证,将所有样本被划分成多数类、少数类、边界和离群这四种类型;再引入K近邻算法对边界和离群样本进行第2阶段分类,从而避免单类支持向量机算法在这些样本上的预测偏差.在多个不平衡数据集上的实验表明,相对于现有的不平衡数据处理方法,TSC-OSK能够取得更好的分类性能.
关键词：不平衡数据分类单类支持向量机K近邻边界样本离群样本
分类号：TP393.08(计算技术、计算机技术)
论文发表日期：2023-04-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 769-774,982 )
英文信息