一种自适应加权软边界的不平衡支持向量机分类的广义框架
原文中文，约300字，阅读约需1分钟。发表于：。提出了一种新的广义框架，即自适应权重函数用于软间隔加权支持向量机 (AW-WSVM)，旨在增强标准支持向量机 (SVM) 中不平衡和异常值敏感性的问题，通过引入权重系数到非约束软间隔支持向量机，并在每次训练之前更新样本权重。在标准数据集和情感分类数据集上进行实验，结果表明所提出的广义框架在准确性、召回率和 G-mean 方面优于其他方法，验证了本论文中提供的加权策略的有效性。
本文提出了自适应权重函数用于AW-WSVM框架，以解决标准SVM中的不平衡和异常值敏感性问题。实验证明该框架在准确性、召回率和G-mean方面优于其他方法，验证了加权策略的有效性。
