摘要：该文提出了一种类加权的双v支持向量机，称为WDSVM。给出了求解WDv-SVM的KKT条件。理论分析表明，WDv-SVM中的参数v＋和v-具有与v-SVM类似的物理含义，分别对应于加权正类和负类中边界向量比例的上界和支持向量比例的下界，从而有利于分类识别中的参数取值。此外，通过调整类加权可提高WDv-SVM对小样本类的分类性能。实验结果表明WDv-SVM既保持了v-SVM的优势，即WDv-SVM的参数具有明确的物理含义，又解决了v-SVM由于样本类不平衡导致的分类错误偏差问题。

关键词：双v支持向量机 类加权 分类算法 

单位：深圳大学信息工程学院; 深圳518060