针对传统 SVM 算法在失衡数据集下的分类性能不理想的问题, 提出一种基于核聚类集成 SVM 算法. 该算法首先在核空间中对多数类样本集进行聚类, 然后随机选择出具有代表意义的聚类信息点, 实现在减少多数类样本数的同时将分类界面向多数类样本方向偏移. 并利用 AdaBoost 集成手段对基于核聚类的欠取样 SVM 算法进行集成, 最终提高 SVM 算法在失衡数据下的泛化性能. 将提出的算法同其他失衡数据预处理集成方法进行比较,实验结果表明该算法能够有效提高 SVM 算法在失衡数据中少数类的分类性
