计算机应用研究

作者：周国华,过林吉,殷新春,

单位：1.常州工业职业技术学院信息工程与技术学院,江苏常州213164；2.扬州大学信息工程学院,江苏扬州225127；

关键词：不平衡数据,支持向量机,SVM+,多任务学习,分类,

基金：国家自然科学基金资助项目(61472343)；；

处理不平衡数据分类时，传统支持向量机技术（SVM）对少数类样本识别率较低。鉴于SVM+技术能利用样本间隐藏信息的启发，提出了多任务学习的不平衡SVM+算法（MTL-IC-SVM+）。MTL-IC-SVM+基于SVM+将不平衡数据的分类表示为一个多任务的学习问题，并从纠正分类面的偏移出发，分别赋予多数类和少数类样本不同的错分惩罚因子，且设置少数类样本到分类面的距离大于多数类样本到分类面的距离。UCI数据集上的实验结果表明，MTL-IC-SVM+在不平衡数据分类问题上具有较高的分类精度。

来源：2019年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第11期