一种新的基于SVDD的多类分类算法

• 作者: 潘志松 缪志敏 袁伟伟 赵陆文
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 多类学习 支持向量数据描述 不平衡学习 聚类
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 计算机网络与信息技术
• 页码范围: 65-68
• 页数: 4页
• 分类号: TP393.08
• 字数: 3891字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2009.03.017

摘要

目前的多类学习方法大多将多类问题转化为二类问题,这样处理除了时间开销大,还存在识别盲区.提出了一种直接进行多类学习的算法multi-SVDD.该算法在考虑大样本和多类样本数据中的类内不平衡现象基础上,首先为每类训练样本进行聚类,根据聚类结果由支持向量数据描述(SVDD,Support Vector Date Description)建立多个最小包围球.根据测试样本到SVDD所建立的最小包围球的距离来确定测试样本属于哪个聚类,最终可判断测试样本属于哪个类.multi-SVDD算法在时空开销上相比最小包围球方法没有明显增长,而实验效果则好于最小包围球方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘志松	解放军理工大学指挥自动化学院	47	385	9.0	17.0
2	赵陆文	解放军理工大学通信工程学院	32	215	8.0	13.0
3	缪志敏	解放军理工大学指挥自动化学院	28	269	9.0	15.0
4	袁伟伟	解放军理工大学指挥自动化学院	3	10	1.0	3.0