|
|||||
|
|
| 基于支持向量数据描述的分类方法研究 | |
| 引用本文： | 李瑜,郑敏娟,程国建.基于支持向量数据描述的分类方法研究[J].计算机工程,2009,35(1):235-236. |
| 作者姓名： | 李瑜 郑敏娟 程国建 |
| 作者单位： | 西安石油大学计算机学院,西安,710065 |
| 基金项目： | 国家自然科学基金，西安石油大学校科研和教改项目 |
| 摘 要： | 针对单类数据的分类问题，提出一种基于支持向量数据描述（SVDD）的分类算法。该算法利用SVDD获得包含单类数据的最小球形边界，通过该边界对未知样本数据进行分类，同时采用可行方向方法求解边界优化中的二次规划问题，并在UCI机器学习数据集上将该算法与LS—SVM算法进行比较。实验结果表明，该算法不仅获得了更高的分类准确率，而且具有较低的运行时间。 |
| 关 键 词： | 支持向量数据描述 单类分类器 支持向量机 可行方向 |
| 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 | |