基于Fisher判別技術(shù)的不平衡數(shù)據(jù)分類算法研究.pdf

1、現(xiàn)實世界中數(shù)據(jù)分類的應用通常會遇到數(shù)據(jù)不平衡的問題，即數(shù)據(jù)中的一類樣本在數(shù)量上遠多于另一類，例如欺詐檢測和文本分類問題等。其中少數(shù)類的樣本通常具有巨大的影響力和價值，是我們主要關(guān)心的對象，稱為正類，另一類則稱為負類。正類樣本與負類樣本可能數(shù)量上相差極大，這給訓練不平衡數(shù)據(jù)提出了挑戰(zhàn)。傳統(tǒng)機器訓練算法可能會產(chǎn)生偏向多數(shù)類的結(jié)果，因而對于正類來說，預測的性能可能會很差。傳統(tǒng)分類器的設計都是基于類分布大致平衡這一假設的，如果用這些方法來對不平

2、衡數(shù)據(jù)進行分類就會導致分類器的性能下降，因而研究用于處理不平衡數(shù)據(jù)集的分類方法顯得相當重要。本文對不平衡問題做了深入的研究，力圖在一定程度上解決不平衡數(shù)據(jù)學習中的若干問題。論文工作的主要成果表現(xiàn)在如下幾個方面：
　　 （1）提出了一種面向單個正例的Fisher線性判別分類方法。該方法先找出單個正例在負類中的k個近鄰，然后按照一定規(guī)則依次在單個正例和它的各個近鄰的連線上產(chǎn)生合成樣本，并把這些合成樣本添加到原始的正類中，接著用加權(quán)F

3、isher線性分類方法對新的數(shù)據(jù)集進行訓練。同時，為驗證算法的有效性，從UCI中選取了8個數(shù)據(jù)集，對少數(shù)類進行測試，實驗結(jié)果表明該方法可有效地提高少數(shù)類的分類性能。
　　 （2）提出了一種不平衡數(shù)據(jù)集的核Fisher線性判別模型。首先闡述了核Fisher線性判別的分類機制下，因樣本不平衡而導致少數(shù)類樣本的核協(xié)方差矩陣難以估計，從而導致核Fisher線性判別的性能下降。新提出的加權(quán)Fisher線性判別方法(WKFLD)試圖減小樣本