基于支持向量数据描述的分类方法研究

摘要：

针对单类数据的分类问题,提出一种基于支持向量数据描述(SVDD)的分类算法.该算法利用SVDD获得包含单类数据的最小球形边界,通过该边界对未知样本数据进行分类,同时采用可行方向方法求解边界优化中的二次规划问题,并在UCI机器学习数据集上将该算法与LS-SVM算法进行比较.实验结果表明,该算法不仅获得了更高的分类准确率,而且具有较低的运行时间.

关键词：支持向量数据描述、单类分类器、支持向量机、可行方向

所属期刊栏目：35

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目40572082;西安石油大学科技创新基金资助项目Z07079

在线出版日期：2009-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：235-236,239