空间支持向量域分类器

• 作者: 刘三阳 吴德 梁锦锦
• 来源期刊: 西安电子科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 空间 支持向量域分类器 支持向量域描述 描述边界 区域 鲁棒性
• 年，卷（期）: 2008,（6）
• 页码范围: 1080-1083,1088
• 页数: 5页
• 分类号: TP301
• 字数: 3321字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2008.06.024

摘要

构造了一种空间支持向量域分类器(SSVDC).在训练阶段分别对正负两类样本进行支持向量域描述,根据描述边界将数据空闻划分为互不相交区域,并设定相应的分类准则.在测试阶段,分别计算待识别样本与两个最小包围超球球心的距离,根据其与超球半径的大小关系确定待识别样本所处区域,并采取相应分类准则完成分类.UCI数据集上的多个数值实验表明,与支持向量机(SVM),支持向量域分类器(SVDC)相比,SSVDC具有好的鲁棒性,训练时间可缩短为SVM的20.6%,分类精度比SVDC提高45.9%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘三阳	西安电子科技大学理学院	662	5562	32.0	51.0
2	吴德	西安电子科技大学计算机学院	12	82	6.0	9.0
3	梁锦锦	西安电子科技大学理学院	5	42	3.0	5.0