| 使用聚类稳定性分析方法增强单类学习算法 |
| |
| 引用本文： | 刘家辰,苗启广,宋建锋,曹莹.使用聚类稳定性分析方法增强单类学习算法[J].西安电子科技大学学报,2015,42(2):58-64,121. |
| |
| 作者姓名： | 刘家辰 苗启广 宋建锋 曹莹 |
| |
| 作者单位： | 西安电子科技大学计算机学院 |
| |
| 基金项目： | 国家自然科学基金资助项目(61472302,61272280,41271447,61272195);教育部新世纪优秀人才支持计划资助项目(NCET-12-0919);中央高校基本科研业务费专项资金资助项目(K5051203020,K5051303016,K5051303018,BDY081422,K50513100006);陕西省自然科学基金资助项目(2014JM8310);西安市科技局资助项目(CXY1341(6),CXY1440(1)) |
| |
| 摘 要： | 针对传统单类学习模型对多模态或多密度分布数据描述能力不足的问题,将集成聚类和聚类稳定性分析引入单类学习.首先将确定聚类簇个数与确定聚类簇分布统一到同一个增强单类学习框架中,之后各聚类簇互为正负类分别建起立多个单类分类模型,最后采用最大融合体积方法融合其决策边界.以经典的支持向量数据描述(SVDD)为例,设计了基于集成聚类的稳定支持向量数据描述算法——ECS-SVDD.在标准UCI数据集和一个真实恶意程序行为数据集上的实验结果表明,ECS-SVDD的性能较单个支持向量数据描述及同类单类学习方法更优.该方法可直接推广到其他最小包含体积集合类型的单类学习算法上,以增强单类学习算法处理多模态和多密度分布数据的能力.
|
| 关 键 词： | 单类学习 离群点分析 聚类分析 聚类稳定性 支持向量数据描述 |
| 收稿时间： | 2013-11-20 |
Enhanced one-class learning based on clustering stability analysis |
| |
| LIU Jiachen;MIAO Qiguang;SONG Jianfeng;CAO Ying.Enhanced one-class learning based on clustering stability analysis[J].Journal of Xidian University,2015,42(2):58-64,121. |
| |
| Authors: | LIU Jiachen;MIAO Qiguang;SONG Jianfeng;CAO Ying |
| |
| Affiliation: | (School of Computer Science and Technology, Xidian Univ., Xi'an 710071, China) |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《西安电子科技大学学报》浏览原始摘要信息 |
|
点击此处可从《西安电子科技大学学报》下载全文 |
|
