基于多核支持向量数据描述的单类分类方法

• 作者: 傅建平 吴定海 张培林 王怀光
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 模式识别 单类分类 多核学习 支持向量数据描述 异常检测
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 165-168,173
• 页数: 5页
• 分类号: TP18
• 字数: 4099字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2013.05.036

摘要

针对异常检测模型中,单核支持向量数据描述存在映射形式单一以及核函数、核参数选择困难的问题,提出一种多核优化组合的支持向量域描述的单类分类方法.在分析多核映射的核空间基础上,建立多核支持向量数据描述模型,以更灵活地描述训练样本在高维特征空间的边界分布情况.采用目标函数的梯度下降法对该模型的多核组合权重进行分步寻优,并引入异常类测试样本来控制和评价分类器的描述精度和推广能力.仿真实验结果表明,该方法具有更好的学习能力和计算效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张培林	军械工程学院车辆与电气工程系	253	1973	21.0	28.0
2	王怀光	军械工程学院车辆与电气工程系	59	368	11.0	16.0
3	傅建平	军械工程学院火炮工程系	91	509	12.0	17.0
4	吴定海	军械工程学院车辆与电气工程系	52	328	9.0	15.0