南京航空航天大学学报

作者：鲁淑霞

单位：河北大学数学与信息科学学院，河北省机器学习与计算机智能重点实验室， 保定， 071002；,河北大学数学与信息科学学院，河北省机器学习与计算机智能重点实验室， 保定， 071002；,河北大学数学与信息科学学院，河北省机器学习与计算机智能重点实验室， 保定， 071002；

关键词：欠采样;零阶优化;支持向量机;非平衡数据集;方差减小

基金：国家自然科学基金 61672205国家自然科学基金(61672205)资助项目。

非平衡学习吸引了许多研究者的关注。一般情况下，少数类是更值得关注的，并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性，标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先，为了降低数据非平衡分布的影响，针对不同非平衡比的数据集给出了不同的两种采样策略。然后，采用了一种引入间隔均值项的支持向量机(Support vector machine, SVM)优化模型进行分类，并使用带有方差减小的零阶随机梯度下降算法进行求解，提高了算法的精度。在非平衡数据上进行了对比实验，实验证明提出的方法有效提高了非平衡数据的分类效果。

来源：2019年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2019年第5期