嵌入数据结构信息的单类支持向量机及其线性规划算法

• 作者: 冯爱民 刘学军 孙廷凯
• 来源期刊: 中山大学学报（自然科学版）
• 学科: 工学
• 关键词: 单类分类器 支持向量机 结构信息 二次规划 线性规划
• 年，卷（期）: 2009,（6）
• 页码范围: 10-17
• 页数: 8页
• 分类号: TP391.4
• 字数: 5953字
• 语种: 中文
• DOI: 10.3321/j.issn:0529-6579.2009.06.003

摘要

针对现有基于超平面的单类分类器未同时考虑目标数据全局与局部信息的不足,通过在单类支持向量机One-Class SVM(OCSVM)算法中加入类内散度以反应目标数据的全局信息,提出了结构化单类支持向量机Structured OCSVM(SOCSVM),不仅使之具有全局与局部化学习的特点,同时也为诸多的SVM算法嵌入数据内在结构这类先验信息提供了统一框架.为进一步提高运算效率,在SOCSVM二次规划求解基础上,通过最小化目标数据均值到超平面的函数距离,提出了线性规划算法,同时也避免了SOCSVM必须以原点作为负类代表的不足.人工和真实数据集上的实验结果验证了嵌入目标数据结构信息的SOCSVM及其线性规划算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙廷凯	南京理工大学计算机科学与技术学院	9	76	4.0	8.0
2	冯爱民	南京航空航天大学信息科学与技术学院	19	158	7.0	12.0
3	刘学军	南京航空航天大学信息科学与技术学院	31	236	7.0	14.0