基于支持向量数据描述的分类方法研究

• 作者: 李瑜 程国建 郑敏娟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 支持向量数据描述 单类分类器 支持向量机 可行方向
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: 开发研究与设计技术
• 页码范围: 235-236,239
• 页数: 3页
• 分类号: TP181
• 字数: 3166字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2009.01.081

摘要

针对单类数据的分类问题,提出一种基于支持向量数据描述(SVDD)的分类算法.该算法利用SVDD获得包含单类数据的最小球形边界,通过该边界对未知样本数据进行分类,同时采用可行方向方法求解边界优化中的二次规划问题,并在UCI机器学习数据集上将该算法与LS-SVM算法进行比较.实验结果表明,该算法不仅获得了更高的分类准确率,而且具有较低的运行时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程国建	西安石油大学计算机学院	123	847	14.0	25.0
2	郑敏娟	西安石油大学计算机学院	8	36	3.0	6.0
3	李瑜	西安石油大学计算机学院	10	28	2.0	5.0