基于马氏椭球学习机的监督野点探测

被引：3

作者：

李建民 ^{[1
]}

李永新 ^{[1
]}

薛贞霞 ^{[2
,3
]}

机构：

[1] 平顶山学院数学系

[2] 河南科技大学数学系

[3] 西安电子科技大学应用数学系

来源：

计算机工程与应用 | 2009年 / 13期

关键词：

监督学习; 野点探测; 马氏距离; 超椭球结构;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对有少量野点出现的情况,提出一种基于马氏椭球学习机的监督野点探测(supervised outlier detection based on Mahalanobis ellipsoidal learning machine,SODMELM)方法。这种方法通过一个超椭球对正常类进行较好的描述的同时,将野点排除在该椭球外面,继承了马氏椭球学习机(Mahalanobis Ellipsoidal Learning Machine,MELM)将样本点的协方差矩阵即样本点的分布信息考虑进去的优点。真实数据上的实验表明了所提的方法在一般意义上能提高野点探测的效率。

引用

页码：200 / 202+210 +210

页数：4