论文部分内容阅读
支持向量机（SVM）在处理不平衡样本集时，对少类样本的分类效果很不理想。为提高支持向量机在处理不平衡问题上的分类效果，提出了一种核函数选取与欠采样相结合的算法，在提高少类样本准确率的前提下，将多类样本的分类准确率的损失降到最低。该方法首先基于特征空间的可分性选择最佳核函数，然后根据特征距离进行欠采样。基于UCI标准样本集的仿真实验结果表明了该算法是合理有效的。