论文部分内容阅读
摘要：不平衡数据分类是机器学习研究的热点问题，传统分类算法假定不同类别具有平衡分布或误分代价相同，难以得到理想的分类结果．提出一种基于加权聚类质心的SVM分类方法，在正负类样本上分别进行聚类，对每个聚类，用聚类质心和权重因子代表聚类内样本分布和数量，相等类别数量的质心和权重因子参与SVM模型训练．实验结果表明，该方法使模型的训练样本具有较高的代表性，分类性能与其他采样方法相比得到了提升．