一种约减支持向量域描述算法RSVDD

• 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: 支持向量域描述 约减集 中心距离 支持向量
• 年，卷（期）: 2008,（5）
• 页码范围: 927-931
• 页数: 5页
• 分类号: TP18
• 字数: 3200字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-2400.2008.05.030

摘要

为加快支持向量域描述(SVDD)的训练速度,提出基于约减集的约简支持向量域描述算法RSVDD.由于描述边界仅由支持向量决定,且支持向量多分布在描述边缘附近,该算法采用每个样本到中心的距离作为支持向量的一种可能性度量,选取距离较大的部分样本作为约减集参与SVDD训练.人造数据和基准集数据上的仿真实验表明了RSVDD的有效性和优越性,保证了目标类和奇异值类的分类精度,缩减了训练规模和训练时间.

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