本文關鍵詞：基于類內散度的粗糙one-class支持向量機

  更多相關文章： 粗糙集 一類支持向量機 類內散度 過擬合

【摘要】：粗糙one-class支持向量機(ROC-SVM)在粗糙集理論基礎上通過構建粗糙上超平面和下超平面來處理過擬合問題,但是在尋找最優(yōu)分類超平面的過程中,忽略了訓練樣本類內結構這一非常重要的先驗知識。因此,提出了一種基于類內散度的粗糙one-class支持向量機(WSROC-SVM),該方法通過最小化訓練樣本類內散度來優(yōu)化訓練樣本類內結構,一方面使訓練樣本在高維特征空間中與坐標原點的間隔盡可能大,另一方面使得訓練樣本在粗糙上超平面盡可能緊密。在合成數據集和UCI數據集上的實驗結果表明,較原始算法,該方法有著更高的識別率和更好的泛化性能,在解決實際分類問題上更具優(yōu)越性。
【作者單位】： 江南大學物聯網工程學院;
【分類號】：TP181
【正文快照】： 到稿日期:2015-10-19返修日期:2016-01-181引言one-class支持向量機(one-class Support Vector Ma-chine,OC-SVM)[3]是由Sch錸lkopf等人提出的一種新型的機器學習方法,主要用于處理一類問題或者聚類問題。首先它根據對應的核函數把目標樣本點映射到高維特征空間,然后尋求一個

【相似文獻】

中國期刊全文數據庫 前6條

1 苗剛;馬孝江;任全民;;基于J散度的模式分類方法在故障診斷中的應用[J];中國機械工程;2007年04期

2 王明蘭;橡膠中炭黑分散度的自動判別[J];信息與控制;2002年01期

3 張成;徐濤;鄭連偉;;基于擁擠度和分散度的多樣性處理方法[J];通化師范學院學報;2008年02期

4 吳黎,田賢忠;模糊散度理論在鐵譜磨粒識別中的應用[J];儀器儀表學報;2005年S1期

5 張家凡;黃之初;;基于K-L散度的機械或傳感器故障判別方法[J];機械強度;2006年05期

6 ;[J];;年期

中國碩士學位論文全文數據庫 前1條

1 于曉輝;橡膠炭黑分散度的預測模型及應用的研究[D];青島科技大學;2006年

，

本文編號：1207256