基于FCM-KFDA判别的不平衡数据集分类

殷士勇

doi:10.19603/j.cnki.1000-1190.2013.06.007

华中师范大学学报（自然科学版） ›› 2013, Vol. 47 ›› Issue (06) : 776 -780. DOI: 10.19603/j.cnki.1000-1190.2013.06.007

基于FCM-KFDA判别的不平衡数据集分类

殷士勇

作者信息 +

Author information +

文章历史 +

摘要

不平衡数据的分类是机器学习的热点问题.传统的分类方法在分类时会倾向于多数类而使得分类精度不高.对不平衡数据集的分类,提出一种基于FCM结合KFDA方法,首先采用FCM算法对样本数据进行聚类,将数据聚类后的样本数据映射到特征空间里,再采用KFDA算法对数据进行分类,可以克服不平衡数据对分类性能的影响.对UCI数据集进行仿真实验,结果表明FCM-KFDA算法可以有效地提高数据识别率.