论文部分内容阅读
研究表明支持向量机方法在样本集分布不均衡情况下,对少类样本分类准确率急剧下降。针对该问题,本文首先详细分析了支持向量机在不平衡数据集上的分类情况：以此为基础,提出了一种新型支持向量机方法—μSVM,通过调整分类决策函数中距离度量准则来增大少类样本的决策空间。算法分析和仿真结果表明,文中提出的方法在不增加计算复杂度的前提下,有效地提高了算法整体分类准确率。