一种新的代价敏感SVDD二类分类方法

作者：吴崇明; 王晓丹^*; 赵振冲

来源：计算机科学, 2023, 50(S1): 147-151.

• 代价敏感分类
• 支持向量数据描述
• 支持向量

为提升代价敏感分类性能，通过提升较高误分代价类别的学习精度来降低总误分代价，利用支持向量域描述(Support Vector Domain Description, SVDD)实现代价敏感分类，提出一种代价敏感SVDD二类分类方法CS-SVDD。该方法首先将单类SVDD拓展为二类分类SVDD,对不同类别分别构建SVDD超球体，通过误分类代价调节SVDD分类器对不同类别样本的分类精度，对误分代价高的类别进行更为精确的学习，从而降低总误分代价；对于处于两个超球体之外或覆盖区域的类别属性不明确的样本，以误分代价最小为原则定义代价敏感决策规则。在人工数据集和UCI数据集上与同类方法进行了实验比较，实验结果表明了所提方法的有效性。

• 单位
  空军工程大学防空反导学院; 西京学院