KSVDD及其在拒识判别中的应用

• 作者: 徐引玲
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 支持向量域分类器 K近邻 支持向量域描述 拒识判别 鲁棒性
• 年，卷（期）: 2010,（19）
• 页码范围: 195-197
• 分类号: TP311
• 字数: 3282字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2010.19.068

摘要

为提高支持向量域分类器(SVDC)的分类精度和鲁棒性,提出基于K 近邻(KNN)和支持向量域描述(SVDD)的分类器KNN-SVDD(KSVDD).该分类器对单类内部的样本采用SVDD 的判别准则,对类交叉区域及描述边界外的样本采用KNN 的判别准则.通过拒绝描述边界外的样本,KSVDD 可应用于拒识判别.UCI 数据集上的数值实验表明,KSVDD 分类精度与支持向量机(SVM)相当且均比SVDC 高,训练时间比SVM 短,鲁棒性强,在拒识判别中有良好表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐引玲	西安财经学院数学系	6	5	2.0	2.0