作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了以相对密度的方式给训练集样本赋予权值。位于数据分布边缘的样本具有较低的相对密度,而位于数据分布内部的样本具有较高的密度。对于位于数据分布内部的样本赋予较大权值,位于数据分布边缘的样本赋予较小的权值。由于噪声通常位于数据分布外部,因此本文的方法可以赋予噪声较小的权值,从而使算法对于噪声更加鲁棒。人工数据集和UCI标准数据集的实验结果表明,该法优于用libsvm实现的一分类支持向量机方法。
推荐文章
基于密度聚类的支持向量机分类算法
支持向量机
密度聚类
ε-邻域
一种新的支持向量机多类分类方法
支持向量机
分类
二叉树
迭代算法
一种基于密度加权的最小二乘支持向量机稀疏化算法
最小二乘支持向量机
密度加权
稀疏化
磨机负荷
一种基于聚类核的半监督支持向量机分类方法
聚类核
聚类假设
半监督支持向量机
分类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于相对密度的加权一分类支持向量机
来源期刊 淮阴师范学院学报(自然科学版) 学科 工学
关键词 加权一分类支持向量机 相对密度 一分类
年,卷(期) 2016,(4) 所属期刊栏目
研究方向 页码范围 317-322
页数 6页 分类号 TP391
字数 3720字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郑玮 金陵科技学院计算机工程学院 9 13 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1978(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
加权一分类支持向量机
相对密度
一分类
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
淮阴师范学院学报(自然科学版)
季刊
1671-6876
32-1657/N
大16开
江苏省淮安市交通路71号
2002
chi
出版文献量(篇)
1834
总下载数(次)
2
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导