样本错误加权的支持向量数据描述

• 作者: 曹春霞 燕继坤 王勇 郑辉
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 机器学习 数据描述 支持向量数据描述 样本错误加权的支持向量数据描述
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 博士论文
• 页码范围: 24-26
• 页数: 3页
• 分类号: TP391
• 字数: 3197字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2005.02.010

摘要

数据描述只使用目标集训练样本获得关于目标集的描述,支持向量数据描述(SVDD)是一种有效的数据描述方法.样本错误加权的SVDD(WSVDD)推广了SVDD,对每个训练样本的错误赋予不同的权值,可以精细地控制训练样本对超球面边界的影响.用UCI机器学习数据集的两个数据和图标分类的实验验证了WSVDD的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王勇	西南电子电信技术研究所国家级重点实验室	13	143	6.0	11.0
2	郑辉	西南电子电信技术研究所国家级重点实验室	33	370	10.0	18.0
3	燕继坤	西南电子电信技术研究所国家级重点实验室	9	82	6.0	9.0
4	曹春霞	西南电子电信技术研究所国家级重点实验室	1	9	1.0	1.0