|本期目录/Table of Contents|

[1]孙佳琪,杨志霞. 双超球支持向量数据描述[J].内江师范学院学报(自然科学),2019,06:36-46.
点击复制

 双超球支持向量数据描述(PDF)

《内江师范学院学报(自然科学)》[ISSN:1671-1785/CN:51-1521/Z]

期数:
2019年06期
页码:
36-46
栏目:
出版日期:
2019-06-25

文章信息/Info

Title:
-
文章编号:
1671-1785(2019)06-0036-11
作者:
 孙佳琪 杨志霞
 新疆大学数学与系统科学学院
Author(s):
-
关键词:
 支持向量机支持向量数据描述超球分类
Keywords:
-
分类号:
O235
DOI:
10.13603/j.cnki.51-1621/z.2019.06.007
文献标识码:
A
摘要:
 双超球支持向量数据描述是一种新的支持向量数据描述方法.当目标数据集含有三类样本时,利用第
三类样本的信息对其它两类样本分别建立优化模型,使得其中一个最优超球体尽可能多的包含第一类样本点,同
时拒绝其它两类样本点;另一个超球体尽可能多的包含第二类样本点,同时拒绝其它两类样本点,从而实现三类样
本点的分类.通过求解两个小规模的优化问题,该方法降低了计算复杂度,减少了运行时间;通过对不同的样本类
分别选取合适的核参数,该方法能够提高分类准确率.分别用人工数据和UCI数据库中的数据检验了该方法,并与
一些经典的多类分类方法比较预测的正确率和计算时间,结果表明该方法是可行和有效的.
Abstract:
-

参考文献/References

[1]VAPNIK V.TheNatureofStatisticalLearningTheory[M].NewYork:Springer-Verlag,1995:56-57.
[2]VAPNIK V.StatisticalLearning Theory [M].NewYork:JohnWiley&Sons,1998:68-74.
[3]JAYADEVA,KHEMCHANDANIR,CHANDRASTwinSupportVector MachinesforPatternClassification[J].IEEE TransactionsonPattern AnalysisandMachineIntelligence,2007,29(5):905-910.
[4]TAXD,DUINR.SupportVectorDomainDescription[J].PatternRecognitionLett,1999,20(13):1191-1199.
[5]TAX D,DUIN R.SupportVectorDataDescription [J].MachineLearning,2004,50(1):45-66.
[6]JUSZCZAKP ,TAXD,DUIN R.FeatureScalinginSupportVectorDataDescription [J].MachineLearning,2007,54(1):45-66.
[7]PAUWELSEJ,AMBEKAR O.OneClassClassificationforAnomalyDetection:SupportVectorDataDescriptionRevisited[J].AdvancesinDataMining:ApplicationsandTheoreticalAspects,2011,6870:25-39.
[8]LEEKY,KIMDW,LEEKH,etal.Density-InducedSupportVectorDataDescription [J].IEEE TransactionsonNeuralNetworks,2007,18(1):284-289.
[9]MU T ,NANDIA K,MulticlassClassificationBasedon Extended Support Vector Data Description [J].IEEETransSystManCybernBCybern,2009,39(5):1206-1216.
[10]HUANG G,CHEN H,ZHOU Z,etal.Two-classSupportVectorDataDescription [J].PatternRecognition,2011,44(2):320-329.
[11]黄光鑫,支持向量数据描述与支持向量机及其应用[D].成都:电子科技大学,2011.
[12]PENG X,XU D.A Twin-hypersphereSupportVectorMachineClassifierandTheFastLearningAlgorithm [J].InformationSciences,2013,221(1):12-27.
[13]TaxD.Datadescriptiontoolbox,AMatlabtoolboxfordatadescription,outlierandnoveltydetection [EB/OL].(2012-07-07)[2018-03-20].http://www-ict.ewi.tudelft.nl/~davidt/dd_tools/dd_manual.html.
[14]王丽,范玉妹,吴娟.关于支持向量机核函数中参数选择的研究[J].内江师范学院学报,2006,(z1)1:671-1785.
[15]DUAD,GRAFFC.UCIMachineLearningRepository[EB/OL].(2017-07-15)[2018-09-24].http://archive.ics.uci.edu/ ml.Irvine,University of California,SchoolofInformationandComputerScience.
[16]SCHLKOPFB,PLATTJ,SHAWE-TAYLORJA,etal.Estimatingthesupportofahigh-dimensionaldistribution[J].NeuralComputation,2001,13(7):1443-1471.

备注/Memo

备注/Memo:
-
更新日期/Last Update: 2019-07-04