未找到相关数据
样本错误加权的支持向量数据描述
被引：3
作者：
燕继坤
王勇
曹春霞
郑辉
机构：
[1] 西南电子电信技术研究所国家级重点实验室
[2] 西南电子电信技术研究所国家级重点实验室 成都
[3] 成都
来源：
关键词：
机器学习;
数据描述;
支持向量数据描述;
样本错误加权的支持向量数据描述;
D O I：
暂无
中图分类号：
TP18 [人工智能理论];
学科分类号：
081104 ;
0812 ;
0835 ;
1405 ;
摘要：
数据描述只使用目标集训练样本获得关于目标集的描述,支持向量数据描述(SVDD)是一种有效的数据描述方法。样本错误加权的SVDD(WSVDD)推广了SVDD,对每个训练样本的错误赋予不同的权值,可以精细地控制训练样本对超球面边界的影响。用UCI机器学习数据集的两个数据和图标分类的实验验证了WSVDD的有效性。
引用
收藏
页码：24 / 26
页数：3
相关论文