LSVDD:基于局部支持向量数据描述的稀有类分析算法

摘要：

在单类支持向量数据描述算法的基础上,提出了一种基于局部支持向量数据描述的稀有类分析算法:LSVDD,能够处理存在类重叠的类不平衡问题.该算法利用支持向量数据描述算法对各类样本分别进行单类学习,从而获得单类模型；然后对单类模型的概念重叠区域使用属性选择进一步进行局部单类学习,最后得到综合分类模型.在仿真数据集和UCI数据集上的实验结果表明,LSVDD能够有效和稳定地提高稀有类分析精度.

关键词：数据挖掘、稀有类分析、支持向量数据描述、属性选择

所属期刊栏目：32

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金70901002,90924020;高等学校博士学科点专项科研基金200800060005,20091102120014

在线出版日期：2013-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1784-1792