增强型单类支持向量机

被引：10

作者：

冯爱民 ^{[1
]}

薛晖 ^{[1
]}

刘学军 ^{[1
]}

陈松灿 ^{[1
]}

杨明 ^{[2
]}

机构：

[1] 南京航空航天大学信息科学与技术学院

[2] 南京师范大学计算机科学系

来源：

计算机研究与发展 | 2008年 / 11期

关键词：

单类分类器; 超平面; 结构信息; 支持向量机; 簇分布;

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：

现有基于超平面的单类分类器,包括one-class SVM(OCSVM)和马氏one-class SVM(MOCSVM),由于未考虑数据的结构信息或粒度较粗,寻找的超平面很可能是次优解.为此,增强型单类支持向量机(enhanced OCSVM,EnOCSVM)通过在现有SVM算法中加入数据先验信息以克服其不足.首先,EnOCSVM通过聚类得到数据的内在分布簇,而后将各簇结构信息嵌入到OCSVM框架中,最大化间隔的同时,优化输出空间中各簇数据的紧性.由于保留了SVM框架不变,EnOCSVM仍具备原算法的全部优点,并因结合了数据的簇结构信息而具有更好的推广性.标准数据集上的实验表明,EnOCSVM的推广性能较OCSVM和MOCSVM均有显著提高.

引用

页码：1858 / 1864

页数：7

共 7 条

[1] 异常检测中单类分类算法和免疫框架设计
潘志松
倪桂强
谭琳
胡谷雨
[J]. 南京理工大学学报(自然科学版), 2006, (01) : 48 - 52
[2] 矩阵分析与应用[M]. 清华大学出版社 , 张贤达著, 2004
[3] Kernel ellipsoidal trimming
Dolia, A. N.
Harris, C. J.
Shawe-Taylor, J. S.
Titterington, D. M.
[J]. COMPUTATIONAL STATISTICS & DATA ANALYSIS, 2007, 52 (01) : 309 - 324
[4] Structured large margin machines: sensitive to data distributions[J] . Daniel S. Yeung,Defeng Wang,Wing W. Y. Ng,Eric C. C. Tsang,Xizhao Wang.Machine Learning . 2007 (2)
[5] Support vector data description
Tax, DMJ
Duin, RPW
[J]. MACHINE LEARNING, 2004, 54 (01) : 45 - 66
[6] Estimating the support of a high-dimensional distribution
Schölkopf, B
Platt, JC
Shawe-Taylor, J
Smola, AJ
Williamson, RC
[J]. NEURAL COMPUTATION, 2001, 13 (07) : 1443 - 1471
[7] Robust novelty detec-tion with single-class MPM. Lanckriet G R G,Ghaoui L E,Jordan M. Advances in Neural Informa-tion Processing Systems . 2002

← 1 →