保局性数据域描述单类分类器

• 作者: 王万良 蒋一波 郑建炜
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 亲和因子 支持向量域描述 序列最小优化 单类分类器
• 年，卷（期）: 2011,（11）
• 所属期刊栏目: 人工智能
• 页码范围: 208-212
• 分类号: TP393.08
• 字数: 6904字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2011.11.048

摘要

由于缺少对数据结构信息的考虑,现有的域描述型单类分类器得到的支撑面往往是次优解.因此,以支持向量数据描述(SVDD)算法为基础,通过一种简易的形式引入数据素和因子以保持样本局部特性,提出保局性数据域描述分类器(LPDD),使成簇的数据作用被强化,而呈零星分布的数据影响力被削弱,引导分类支撑面自动靠近数据高密区而提高算法性能.此外,为适应大样本应用场合,采用序列最小优化算法进行模型参数调整.实验证明,所提算法无论在训练速率还是在分类性能上都优于SVDD.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王万良	浙江工业大学计算机学院	303	3770	29.0	48.0
2	郑建炜	浙江工业大学计算机学院	42	161	7.0	10.0
3	蒋一波	浙江工业大学计算机学院	33	205	8.0	13.0