论文部分内容阅读
为改进面向不平衡数据的SVM分类器性能，以结构化SVM为基础，提出一种基于代价敏感的结构化支持向量机集成分类器模型．该模型首先通过训练样本的聚类，得到隐含在数据中的结构信息，并对样本进行初始加权．运用AdaBoost策略对各样本的权重进行动态调整，适当增大少数类样本的权重，使小类中误分的样本代价增大，以此来改进不平衡数据的分类性能．实验结果表明，该算法可有效提高不平衡数据的分类性能．