一种基于单簇核PCM的SVDD离群点检测方法

• 作者: 杨金鸿 邓廷权
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 离群点检测 支持向量数据描述 可能性C-均值 置信度
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 813-819
• 页数: 7页
• 分类号: TP391
• 字数: 4524字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112

摘要

针对支持向量数据描述(Support Vector Data Description,SVDD)的训练集中同时含有正常点和离群点的问题,为降低离群点对SVDD训练模型的不利影响,提出了一种基于单簇核可能性C-均值的SVDD离群点检测算法.本文算法通过单簇核聚类获得每个样本属于正常类的隶属度,将其作为每个样本属于目标类的置信度.将样本置信度引入到SVDD训练模型中,减弱低置信度样本在建立决策边界中的作用.实验表明,与已有的相关方法相比,本文方法能够显著改善SVDD的离群点检测效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邓廷权	哈尔滨工程大学计算机科学与技术学院	32	261	10.0	14.0
5	杨金鸿	哈尔滨工程大学计算机科学与技术学院	2	14	2.0	2.0