基于支持向量機的不平衡數(shù)據(jù)分類研究及應用.pdf

1、在信息時代人們需要對大量的數(shù)據(jù)進行處理，去尋找其規(guī)律并對其進行運用。分類是數(shù)據(jù)處理時經(jīng)常要做的工作，因此分類問題成為機器學習域的一個重要研究內(nèi)容。支持向量機方法通過核函數(shù)將訓練集映射到一個高維空間，它可以實現(xiàn)有限樣本在線性和非線性情況下分類。研究表明，支持向量機對平衡數(shù)據(jù)有較好的分類效果，但對不平衡數(shù)據(jù)分類效果較差，這是因為支持向量機的分類超平面由支持向量決定，多數(shù)類樣本的支持向量個數(shù)也比少數(shù)類樣本多，這種情況會造成分類超平面偏移，降低

2、少數(shù)類樣本的識別率，當樣本嚴重失衡時甚至找不到少數(shù)類樣本對應的分類規(guī)則。
　　 本文的主要研究目標是如何使用支持向量機方法對不平衡數(shù)據(jù)進行分類，主要工作與創(chuàng)新點包括以下幾個方面：
　　 一、對支持向量機理論進行研究。分析經(jīng)驗風險最小化的局限性，介紹結(jié)構(gòu)風險最小化原則及其優(yōu)越性，詳細總結(jié)支持向量機理論和研究現(xiàn)狀。
　　 二、對不平衡數(shù)據(jù)分類方法進行研究。分析不平衡數(shù)據(jù)分類面臨的問題，重點對各種不平衡數(shù)據(jù)分類方法進行

3、歸類和總結(jié)，且對各種方法的優(yōu)缺點進行分析。
　　 三、給出一種基于聚類的數(shù)據(jù)集劃分支持向量機方法DISVM。其主要思想是將多數(shù)類樣本劃分為一系列子集，將每個劃分子集和少數(shù)類樣本進行組合并用SVM方法分別進行訓練，最后對各子分類器集成。該方法主要針對以往算法在進行數(shù)據(jù)集劃分時沒有考慮子集的劃分規(guī)則的缺點進行改進，并通過實驗證明了本方法對不平衡數(shù)據(jù)分類問題的有效性。
　　 四、給出了一種基于壓縮凸包的不平衡數(shù)據(jù)支持向量機分類

4、方法GSVM。分析了支持向量機的幾何特性，先將兩類樣本向其重心方向壓縮，再求兩類樣本壓縮凸包的最近點對，并通過支持向量機方法生成分類超平面。實驗證明，該方法有很好的分類性能。
　　 五、特征不平衡也是不平衡數(shù)據(jù)分類的一個重要方面，本文主要結(jié)合Golub等公布的急性白血病基因表達譜數(shù)據(jù)解決其特征不平衡問題。以往的方法僅考慮單個基因?qū)膊☆悇e判斷的影響，本文則主要考慮兩個基因的相關性，并以此為度量來篩選候選基因，且通過實驗驗證了方法