共 1 条
基于乘性规则的支持向量域分类器
被引：21
作者：
陆从德
张太镒
胡金燕
机构：
[1] 西安交通大学电信学院信息与通信工程系
来源：
关键词：
支持向量域描述;
支持向量域分类器;
乘性规则;
支持向量机;
序列最小优化;
D O I：
暂无
中图分类号：
TP391.4 [模式识别与装置];
学科分类号：
0811 ;
081101 ;
081104 ;
1405 ;
摘要：
该文提出了一种基于支持向量域描述 (SVDD)的学习分类器 .在两类样本分类中 ,该算法在训练时通过对1类样本的描述求取包含 1类样本的球形边界 ,然后通过该边界对两类样本数据进行分类 ,并且在求取边界的优化问题中 ,采用乘性规则来直接求取Lagrange乘子 ,而不是用传统的二次优化方法 .该文所获得的学习算法和支持向量机 (SVM)与序列最小优化 (SMO)算法相比 ,不仅降低了样本的采集代价 ,而且在优化速度上有了很大提高 .通过CBCL人脸库的仿真实验 ,将该算法和SVM、SOM算法的实验结果进行对比 ,说明了该学习算法的有效性 .
引用
收藏
页码：690 / 694
页数：5
相关论文