改进的基于K均值聚类的SVDD学习算法 |
| |
引用本文: | 花小朋,李先锋,皋军,田明.改进的基于K均值聚类的SVDD学习算法[J].计算机工程,2009,35(17):184-186. |
| |
作者姓名: | 花小朋 李先锋 皋军 田明 |
| |
作者单位: | 盐城工学院信息工程学院,盐城,224001 |
| |
基金项目: | 盐城工学院重点学科建设基金资助项目 |
| |
摘 要: | 针对基于K均值聚类的支持向量数据描述(SVDD)学习算法(KMSVDD)识别精度低于传统SVDD学习算法的问题,提出一种改进算法。将各聚类簇中支持向量合并学习生成中间模型,从支持向量以外的非支持向量数据中找出违背中间模型KKT条件的学习数据,并将这些数据与聚类簇中支持向量合并学习继而得到最终学习模型。实验结果证明,该改进算法的计算开销与KMSVDD相近,但识别精度却高于KMSVDD,与传统SVDD相近。
|
关 键 词: | 支持向量数据描述 K均值 KKT条件 |
修稿时间: | |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
|