论文部分内容阅读
传统的支持向量机在处理不平衡数据时效果不佳。为了提高少类样本的识别精度，提出了一种基于支持向量的上采样方法。首先根据K近邻的思想清除原始数据集中的噪声；然后用支持向量机对训练集进行学习以获得支持向量，进一步对少类样本的每一个支持向量添加服从一定规律的噪声，增加少数类样本的数目以获得相对平衡的数据集；最后将获得的新数据集用支持向量机学习。实验结果显示，该方法在人工数据集和UCI标准数据集上均是有效的。