基于核空间相对密度的SVDD多类分类算法

• 作者: 刘晟 孙金津 朱玉全
• 来源期刊: 计算机应用研究
• 关键词: 支持向量数据描述 多类分类 核空间相对密度
• 年，卷（期）: 2010,（5）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1694-1696
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2010.05.023

摘要

针对现有基于支持向量数据描述(SVDD)的多类分类算法未能充分利用重叠区域样本分布信息等问题,提出了一种基于核空间相对密度的SVDD多类分类算法DM-SVDD.该算法首先由SVDD确定包围每类数据的最小超球,然后计算位于最小超球重叠区域中每个样本在其同类样本间的相对密度,最后以各类样本相对密度的均值为标准,对重叠区域内的待测样本进行分类.实验结果表明,算法DM-SVDD是可行有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱玉全	江苏大学计算机科学与通信工程学院	90	959	17.0	26.0
2	刘晟	江苏大学计算机科学与通信工程学院	2	9	2.0	2.0
3	孙金津	江苏大学计算机科学与通信工程学院	3	13	2.0	3.0