科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了改善传统支持向量机（Support Vector Machine,SVM）对不平衡数据集中少数类的分类效果，提出一种基于改进灰狼算法（IGWO）的过采样方法——IGWOSMOTE。首先，改进初始灰狼种群的生成形式，由SVM的惩罚因子、核参数、特征向量以及少数类的采样率组成灰狼个体；然后，经由灰狼优化过程智能搜索获得最优相关参数及最优采样率组合，进行重新采样供分类器学习机预测。通过6个UCI数据集的实证检验得出：IGWOSMOTE-SVM较传统SMOTE-SVM模型在少数类分类精度上提高了6.3个百分比，在整体数据集分类精准度上提高了2.1个百分比，IGWOSMOTE可作为一种新的过采样分类方法。
- 出版日期2021-4-15
- 单位江苏大学
