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、特征向量和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和最优采样率组合，进行重新采样供分类器学习及预测。通过对6个UCI数据集的分类实验得出：IGWOSMOTE+SVM较传统SMOTE+SVM方法在少数类分类精度上提高了6.3个百分点，在整体数据集分类精度上提高了2.1个百分点，IGWOSMOTE可作为一种新的过采样分类方法。
- 出版日期2022
- 单位江苏大学
