代价敏感支持向量机

被引：33

作者：

郑恩辉

李平

宋执环

机构：

[1] 浙江大学工业控制技术国家重点实验室

[2] 浙江大学工业控制技术研究所

来源：

控制与决策 | 2006年 / 04期

关键词：

分类; 支持向量机; 代价;

D O I：

10.13195/j.cd.2006.04.115.zhengeh.025

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

以分类精度为目标的传统分类算法通常假定:每个样本的误分类具有同样的代价且每类样本数大致相等.但现实数据挖掘中该假定不成立时,这些算法的直接应用不能取得理想的分类和预测.针对此缺隙,并基于标准的SVM,通过在SVM的设计中集成样本的不同误分类代价,提出代价敏感支持向量机(CS-SVM)的设计方法.实验结果表明CS-SVM是有效的.

引用

页码：473 / 476

页数：4