技術(shù)特征：
1.一種基于最小二乘支持向量機(jī)技術(shù)的偏向性分類及參數(shù)尋優(yōu)方法，適用于實(shí)時(shí)性要求較高場合的分類器，其特征在于，包括以下步驟：(1)：所述步驟(1)中，輸入為包含有合格樣本和瑕疵樣本的原訓(xùn)練數(shù)據(jù)，采用K近鄰算法計(jì)算每個(gè)樣本xi的5個(gè)最近鄰，如果5個(gè)最近鄰的類別均與xi的類別不同，則刪去xi，經(jīng)此處理，去除了原始訓(xùn)練樣本數(shù)據(jù)中的孤立樣本，并將結(jié)果輸送到步驟(2)虛擬少數(shù)類過采樣算法(SMOTE)中；(2)：所述步驟(2)中，對每個(gè)瑕疵樣本計(jì)算其5個(gè)最近鄰，倘若其中有三個(gè)近鄰屬于合格樣本，則判定該瑕疵樣本為邊界樣本；對邊界樣本進(jìn)行過采樣，即在邊界樣本與其近鄰的三個(gè)合格樣本之間人工合成新的瑕疵樣本，并加入到訓(xùn)練樣本數(shù)據(jù)中，作為步驟(3)中最小二乘支持向量機(jī)訓(xùn)練時(shí)的輸入數(shù)據(jù)；(3)：所述步驟(3)中，采用耦合模擬退火算法對最小二乘支持向量機(jī)核函數(shù)參數(shù)和懲罰參數(shù)組合進(jìn)行初步尋優(yōu)，采用K折交叉驗(yàn)證每一組參數(shù)解對應(yīng)的誤分率，取誤分率最小的那組參數(shù)組合作為初步最優(yōu)解，進(jìn)行兩次退火獲得初步最優(yōu)參數(shù)組合[sig，gam]；(4)：所述步驟(4)中，對獲得初步最優(yōu)參數(shù)組合[sig，gam]，在sig和gam的鄰域以步長0.2進(jìn)行精細(xì)搜索，其中兩個(gè)參數(shù)的尋優(yōu)范圍分別為：sig∈(exp{log(sig)-1.5}，exp{log(sig)+1.5})gam∈(exp{log(gam)-2}，exp{log(gam)+2})采用K折交叉驗(yàn)證每一組參數(shù)解對應(yīng)的誤分率，取誤分率最低對應(yīng)的那組參數(shù)組合作為最優(yōu)參數(shù)；(5)：所述步驟(5)中，對(3)、(4)所得結(jié)果進(jìn)行比較，取較低誤分率對應(yīng)的那組參數(shù)作為最終的最優(yōu)參數(shù)組合；如果相同的最低誤分率對應(yīng)多組參數(shù)，則取gam最低的那組參數(shù)做為最優(yōu)參數(shù)，避免模型過學(xué)習(xí)。