局部分块的一类支持向量数据描述

• 作者: 杨小明 楼俊钢 胡文军 蒋云良
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 异常检测 支持向量 支持向量数据描述 局部分块 样本重构
• 年，卷（期）: 2015,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 1026-1029,1034
• 页数: 5页
• 分类号: TP391.4
• 字数: 4748字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.04.1026

摘要

针对支持向量数据描述(SVDD)不能鉴别数据局部几何结构信息问题,提出了一种新颖的异常数据检测方法,称为局部分块的一类支持向量数据描述(OCSVDDLP).首先对数据进行局部分块,然后利用局部分块进行样本重构,最后采用SVDD对重构样本进行学习进而获得决策模型.人造数据集实验结果表明OCSVDDLP能够捕捉数据的全局几何结构,也具备揭示数据局部几何结构信息的能力;真实数据集实验结果表明OCSVDDLP在异常检测中具有较好的性能优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋云良	湖州师范学院信息工程学院	71	1242	16.0	34.0
2	胡文军	湖州师范学院信息工程学院	30	92	5.0	8.0
3	杨小明	湖州师范学院信息工程学院	7	21	3.0	4.0
4	楼俊钢	湖州师范学院信息工程学院	14	122	5.0	10.0