一种局部SVDD分类方法

摘要：

为了使支持向量数据描述(SVDD)模型满足算法一致并尽可能的提升其性能,提出了一种局部SVDD(LSVDD)分类方法.首先,通过超球体在核空间上将样本划分为局部区和非局部区.然后,对于非局部区的样本,通过非局部分类函数直接给出分类结果;对于局部区的样本,通过局部K近邻训练样本构造LSVDD分类器.在公共UCI数据集和钢板表面缺陷数据集上的实验显示,与其他方法相比LSVDD具有更好的精度和效率.这表明所提的LSVDD方法提升了分类性能,满足了算法一致性需求.

关键词：支持向量数据描述、局部支持向量数据描述、超球体、分类方法

所属期刊栏目：43

分类号：TN98

在线出版日期：2020-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：96-100