不平衡数据分类问题的基于间隔放大损失的支持向量机

作者：王众; 鲁淑霞^*

来源：重庆邮电大学学报(自然科学版), 2023, 35(01): 70-78.

• 非平衡
• 间隔
• 鲁棒性
• 支持向量机(SVM)

针对不平衡数据分类问题，提出了一种带有间隔感知标签分布损失函数的支持向量机，称为基于间隔放大损失的支持向量机(support vector machine with margin magnification loss, MM-SVM)。考虑各类样本的分布情况以及数据不平衡比，设计了一种间隔放大损失函数，最小化基于间隔的泛化误差界；将间隔放大损失函数应用于SVM模型中，增强了少数类样本对分类超平面的影响，实现对少数类样本的准确分类。在Keel和UCI数据库上的实验表明，MM-SVM在不平衡数据分类精度和时间效率上均优于其他5种对比方法，实现了对不平衡数据的有效分类。

• 单位
  河北大学