| 基于SVR的异常数据检测 |
| |
| 引用本文： | 孙德山,吴今培,肖健华. 基于SVR的异常数据检测[J]. 计算机工程与应用, 2003, 39(26): 40-41,50 |
| |
| 作者姓名： | 孙德山 吴今培 肖健华 |
| |
| 作者单位： | 辽宁师范大学数学系,大连,116029;五邑大学智能技术与系统研究所,江门,529020 |
| |
| 基金项目： | 国家自然科学基金资助项目(编号:60075014),广东省自然科学基金资助(编号:021349) |
| |
| 摘 要： | 支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题。该文利用支持向量回归算法中结构风险函数的性质以及KT条件,提出一种回归中的异常值检测方法。仿真实验结果表明了所给方法的可行性和有效性。
|
| 关 键 词： | 支持向量机 回归 异常值 核函数 |
| 文章编号： | 1002-8331-(2003)26-0040-02 |
Outlier Detection Based on SVR |
| |
| Sun Deshan Wu Jinpei Xiao Jianhua. Outlier Detection Based on SVR[J]. Computer Engineering and Applications, 2003, 39(26): 40-41,50 |
| |
| Authors: | Sun Deshan Wu Jinpei Xiao Jianhua |
| |
| Affiliation: | Sun Deshan 1 Wu Jinpei 2 Xiao Jianhua 21 |
| |
| Abstract: | Support vector machines(SVM)are a kind of novel machine learning methods,based on statistical learning theory,which have been developed for solving classification and regression problems.A method of outlier detection in re-gression is proposed making use of the character of structure risk function and KT condition in support vector regres-sion in this paper.The results of simulation experiments show the feasibility and effectiveness of the proposed method. |
| |
| Keywords: | Support vector machines regression outlier kernel function |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
