浙江大学工业控制技术研究所 杭州 310027
郑恩辉
TP18
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.
郑恩辉; 李平; 宋执环.代价敏感支持向量机[J].控制与决策,2006,21(4):473-476