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 |
|