论文研究不平衡样本集分类算法研究.pdf

支持向量机在处理不平衡数据集时，对少类样本的分类效果很不理想。传统的处理方法尽管能够提高少类样本的分类准确率，但多类样本的分类准确率却大幅度下降。综合考虑样本间的相对距离和密集程度，提出了一种欠采样方法。基于UCI标准数据集的仿真实验结果表明，提出的算法不仅可以提高少类样本的分类准确率，而且将多类样本的分类准确率的损失降到最低。