面向新异检测的启发式约减支持向量数据描述
来源期刊:控制与决策2014年第10期
论文作者:曲建岭 孙文柱 邸亚洲 高峰 周玉平
文章页码:1783 - 1787
关键词:支持向量数据描述;启发式约减支持向量数据描述;新异检测;
摘 要:针对支持向量数据描述(SVDD)单类分类方法运算复杂度高的缺点,提出一种启发式约减支持向量数据描述(HR-SVDD)方法.以启发的方式从原有训练集中筛选出部分样本构成约减训练集,对约减训练集进行二次规划解算,得到支持向量和决策边界.通过不同宽度系数高斯核SVDD特征的讨论,证明了HR-SVDD的有效性.人工数据集和真实数据集上的实验结果表明,HR-SVDD分类精度与传统支持向量数据描述相当,但具有更快的运算速度和更小的内存占用.
曲建岭,孙文柱,邸亚洲,高峰,周玉平
海军航空工程学院青岛校区
摘 要:针对支持向量数据描述(SVDD)单类分类方法运算复杂度高的缺点,提出一种启发式约减支持向量数据描述(HR-SVDD)方法.以启发的方式从原有训练集中筛选出部分样本构成约减训练集,对约减训练集进行二次规划解算,得到支持向量和决策边界.通过不同宽度系数高斯核SVDD特征的讨论,证明了HR-SVDD的有效性.人工数据集和真实数据集上的实验结果表明,HR-SVDD分类精度与传统支持向量数据描述相当,但具有更快的运算速度和更小的内存占用.
关键词:支持向量数据描述;启发式约减支持向量数据描述;新异检测;