一种新的基于SVDD的多类分类算法

摘要：

目前的多类学习方法大多将多类问题转化为二类问题,这样处理除了时间开销大,还存在识别盲区.提出了一种直接进行多类学习的算法multi-SVDD.该算法在考虑大样本和多类样本数据中的类内不平衡现象基础上,首先为每类训练样本进行聚类,根据聚类结果由支持向量数据描述(SVDD,Support Vector Date Description)建立多个最小包围球.根据测试样本到SVDD所建立的最小包围球的距离来确定测试样本属于哪个聚类,最终可判断测试样本属于哪个类.multi-SVDD算法在时空开销上相比最小包围球方法没有明显增长,而实验效果则好于最小包围球方法.

关键词：多类学习、支持向量数据描述、不平衡学习、聚类

所属期刊栏目：36

分类号：TP393.08(计算技术、计算机技术)

资助基金：国家自然科学基金"单类分类器和数据不平衡分类问题研究"60603029;江苏自然科学基金"基于单类分类器的安全审计中的异常检测研究"No.BK2005009项目支持

在线出版日期：2009-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：65-68