基于支持向量机的两阶段孤立点挖掘方法
通常孤立点所占比例较小，在孤立点检测中需要同时解决数据不平衡和代价敏感两个难题。本文提出了一种两阶段的孤立点检测方法。第一阶段将数据映射到高雏空间，通过一类支持向量机在特征空间刻画超平面按比例消除部分正常样本以平衡数据集，第二阶段集成不同误分类代价通过代价敏感支持向量机进行训练，利用受试者工作特征分析作为分类器评判依据搜索最优参数，调节输出阈值获得孤立点检测模型。结果表明，本方法能提高检测精度，降低总的误分类代价，是一种简单高效的方法。
孤立点挖掘 不平衡分类 支持向量机
田江 顾宏
大连理工大学 电子与信息工程学院，辽宁 大连 116024
国内会议
杭州
中文
1-4
2009-11-01（万方平台首次上网日期，不代表论文的发表时间）