保局性数据域描述单类分类器

摘要：

由于缺少对数据结构信息的考虑,现有的域描述型单类分类器得到的支撑面往往是次优解.因此,以支持向量数据描述(SVDD)算法为基础,通过一种简易的形式引入数据素和因子以保持样本局部特性,提出保局性数据域描述分类器(LPDD),使成簇的数据作用被强化,而呈零星分布的数据影响力被削弱,引导分类支撑面自动靠近数据高密区而提高算法性能.此外,为适应大样本应用场合,采用序列最小优化算法进行模型参数调整.实验证明,所提算法无论在训练速率还是在分类性能上都优于SVDD.

关键词：亲和因子、支持向量域描述、序列最小优化、单类分类器

所属期刊栏目：38

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61070043

在线出版日期：2012-03-16（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：208-212