一种改进的支持向量数据描述算法

• 作者: 李霆 汪兆栋 阜艳 黄日辉
• 来源期刊: 五邑大学学报(自然科学版)
• 学科: 工学
• 关键词: 支持向量数据描述 单值分类 距离相似度
• 年，卷（期）: 2008,（2）
• 页码范围: 52-56
• 页数: 5页
• 分类号: TP181
• 字数: 2810字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-7302.2008.02.011

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)是一种有效的单值分类数据描述算法.根据分类边界线上的支持向量之间距离的大小,利用距离的相似度来对训练集进行约减.实验结果表明,该算法与传统SVDD相比减少了训练时所需的支持向量数目,因而减少了测试时间,同时分类性能也稍有提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李霆	五邑大学信息学院	52	181	7.0	11.0
2	汪兆栋	五邑大学信息学院	3	24	2.0	3.0
3	黄日辉	五邑大学信息学院	3	24	2.0	3.0
4	阜艳	五邑大学信息学院	3	24	2.0	3.0