%0 Journal Article
%T ？一种新的不平衡数据v-nsvdd多分类算法*
%A ？刘小平
%A 徐桂云
%A 任世锦**
%A 杨茂云？
%J 南京大学学报(自然科学)
%P 150-158
%D 2013
%R 10.13232/j.cnki.jnju.2013.01.003
%X ？分析了多类支持向量数据描述(supportvectordatadescription,svdd)算法存在的问题，提出一种新的不平衡数据二一nsvdd多分类算法.该方法借鉴了二svm方法以及带有负类的svdd的思想，并基于不同类别样木间隔最大原理，较好地克服噪声和在野点的影响，提高了分类模型的泛化性能;通过样木加权的方法解决了不平衡类别样木预测精度低的问题，并在理论上给出了根据类别样木数量设置样木加权系数的方法.针对实际应用存在大量复杂、非线性分类数据，通过核方法把上述线性分类算法推]’一到非线性数据分类情形.由于现有的多分类器无法实现拒判，而且每个分类器的核函数参数不同，导致数据点与各个超球中心距离的计算结果与实际距离不相符，影响了数据判决结果的准确性和可靠性.针对上述问题，给出基于相对距离和k-nn规则相结合的多分类方法，提高了分类结果的准确性和可靠性.使用benchmark数据集进行仿真实验，结果表明木算法能够获得较低的分类误差，能够有效处理样木不平衡问题.
%K 支持向量数据描述(svdd)
%K 样木类别不平衡
%K 多分类
%K 拒判
%K 超球软边界
%U http://jns.nju.edu.cn/oa/DArticle.aspx?type=view&id=201302003