基于高维空间凸壳数据描述的-类分类算法研究

• 作者: 冯春生 胡正平 路亮
• 来源期刊: 燕山大学学报
• 学科: 工学
• 关键词: 一类分类器 高维空间 凸壳数据描述
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 370-376
• 分类号: TP181
• 字数: 4976字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-791X.2011.04.017

摘要

一类分类问题的研究目标是设计目标类样本的覆盖函数,理想情况下使得目标类样本被接受,所有非目标类的样本被拒绝.经典SVDD覆盖模型寻找包含训练数据的最小半径超球对其进行覆盖,该模型对非规则复杂分布的数据描述存在较多的冗余区域.本文提出一种基于训练集样本凸壳数据描述(Convex Hull Data Description,CHDD)的紧致覆盖模型.该模型无须参数设置,可实现对样本非规则复杂分布的自适应覆盖,并可通过利用核函数方法获得更强的非线性分类能力.当训练集包含噪声样本时,通过拒绝一定比例的目标类样本可获得更为鲁棒的凸壳边界描述.在UCI数据库、MNIST手写体数据库和MIT-CBCL人脸识别数据库上的实验结果表明了本文方法的有效性,相比现有一类分类算法,CHDD取得更好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡正平	燕山大学信息科学与工程学院	160	1215	17.0	28.0
2	路亮	燕山大学信息科学与工程学院	5	12	2.0	3.0