KSVDD及其在拒识判别中的应用

摘要：

为提高支持向量域分类器(SVDC)的分类精度和鲁棒性,提出基于K 近邻(KNN)和支持向量域描述(SVDD)的分类器KNN-SVDD(KSVDD).该分类器对单类内部的样本采用SVDD 的判别准则,对类交叉区域及描述边界外的样本采用KNN 的判别准则.通过拒绝描述边界外的样本,KSVDD 可应用于拒识判别.UCI 数据集上的数值实验表明,KSVDD 分类精度与支持向量机(SVM)相当且均比SVDC 高,训练时间比SVM 短,鲁棒性强,在拒识判别中有良好表现.

关键词：支持向量域分类器、K近邻、支持向量域描述、拒识判别、鲁棒性

所属期刊栏目：36

分类号：TP311(计算技术、计算机技术)

资助基金：西安统计研究院基金资助重点项目09JD07

在线出版日期：2010-12-21（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：195-197