一种局部SVDD分类方法

• 作者: 王晓鹏
• 来源期刊: 电子测量技术
• 学科: 工学
• 关键词: 支持向量数据描述 局部支持向量数据描述 超球体 分类方法
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 理论与算法
• 页码范围: 96-100
• 页数: 5页
• 分类号: TN98
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2004160

摘要

为了使支持向量数据描述(SVDD)模型满足算法一致并尽可能的提升其性能,提出了一种局部SVDD(LSVDD)分类方法.首先,通过超球体在核空间上将样本划分为局部区和非局部区.然后,对于非局部区的样本,通过非局部分类函数直接给出分类结果;对于局部区的样本,通过局部K近邻训练样本构造LSVDD分类器.在公共UCI数据集和钢板表面缺陷数据集上的实验显示,与其他方法相比LSVDD具有更好的精度和效率.这表明所提的LSVDD方法提升了分类性能,满足了算法一致性需求.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓鹏		1	0	0.0	0.0