非均衡数据的最小二乘支持向量机阈值新算法  

A New Threshold Method ofLeast Square Support Vector Machine for Unbalanced Data

作　　者：陈青[1] 薛惠锋[1] 杜喆[2] 

机构地区：[1]西北工业大学自动化学院,陕西西安710072 [2]西安电子科技大学应用数学系,陕西西安710071

出　　处：《计算机仿真》2011年第3期219-221,329,共4页Computer Simulation

基　　金：国家自然科学基金项目(60705004;60574075)资助

摘　　要：针对传统的最小二乘支持向量机对于非均衡数据的分类时,分类结果具有对较大类数据的偏向性问题,为了减小分类器的负担和样本的错误率,提出一种新的最小二乘支持向量机阈值计算方法进行修正。根据线性判别思想,计算出两类样本的在分类超平面法向量上的投影点的均值和方差,依据对两类样本错分概率相等准则,给出新的阈值计算方法从而实现对超平面进行调整。方法可补偿最小二乘支持向量机对非均衡数据分类的倾向性,提高其预测分类精度。通过数值仿真实验表明了方法的可行性与有效性。Analyzing the problem that traditional Least Square Support Vector Machine（LSSVM） classifier is biased to the larger class when the data are unbalanced.An improved method of BLSSVM is proposed.Based on linear discrimination,the mean and variance of the projected class are obtained by projecting two classes of samples onto the normal vector of the classification hyperplane,then the threshold of the hyperplane is adjusted,according to the principle that error probability of two classes are equal.The proposed algorithm can compensate the ill-effect of tendency and improve the accuracy.Simulations on imbalanced artificial data and real data show the feasibility and validity of the proposed method.

关 键 词：最小二乘支持向量机 非均衡数据 分类 阈值 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]