發(fā)布時間：2018-01-03 06:17

  本文關(guān)鍵詞：基于快速聚類分析的支持向量數(shù)據(jù)描述算法　出處：《控制與決策》2016年03期 　論文類型：期刊論文

  更多相關(guān)文章： 聚類分析 支持向量數(shù)據(jù)描述 加權(quán)

【摘要】：針對數(shù)據(jù)中存在的噪聲對數(shù)據(jù)描述建模的影響,提出一種基于快速聚類分析的支持向量數(shù)據(jù)描述算法.該算法通過快速聚類分析算法對所要建模的數(shù)據(jù)進行預(yù)處理,通過預(yù)處理快速剔除數(shù)據(jù)中存在的影響建模的噪聲;然后再將基于NN算法計算獲得的權(quán)重值加權(quán)在每一個數(shù)據(jù)上,進行支持向量數(shù)據(jù)描述算法的建模.在標(biāo)準(zhǔn)數(shù)據(jù)集上的實驗分析表明,所提出的支持向量數(shù)據(jù)描述算法較傳統(tǒng)的支持向量數(shù)據(jù)描述算法和密度驅(qū)動支持向量數(shù)據(jù)描述算法在準(zhǔn)確度上具有較明顯的提升.
[Abstract]:Considering the influence of noise exist in the data modeling of the data, put forward a fast support vector data description algorithm based on cluster analysis. The algorithm uses fast clustering algorithm to preprocess the modeling data, through the pretreatment modeling of noise in quickly remove the data; and then based on NN algorithm to obtain the weight value weighted in each data model, support vector data description algorithm. In the standard data set on the experiment and analysis show that the support vector data description of the proposed algorithm is better than the traditional support vector data description algorithm and density driven support vector data description algorithm has obvious improvement in accuracy degree.

【作者單位】： 同濟大學(xué)電子與信息工程學(xué)院;同濟大學(xué)CIMS研究中心;
【基金】：國家自然科學(xué)基金面上項目(71273188);國家自然科學(xué)基金重大項目(91024031)
【分類號】：TP18
【正文快照】： 0引言數(shù)據(jù)描述的主要目的是能夠緊湊地描述一個數(shù)據(jù)集,使目標(biāo)數(shù)據(jù)在描述邊界內(nèi)并排除數(shù)據(jù)集內(nèi)存在的噪聲.數(shù)據(jù)描述被廣泛應(yīng)用在噪聲檢測等領(lǐng)域,也常被稱為一類分類算法.Tex等[1]于2004年提出的支持向量數(shù)據(jù)描述算法(SVDD),原理源自于支持向量機[2-3],將數(shù)據(jù)集從輸入空間通過核

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李斌,郭劍毅;聚類分析在客戶關(guān)系管理中的研究與應(yīng)用[J];計算機工程與設(shè)計;2005年02期

2 張宏翔;李星;;基于聚類分析的學(xué)生學(xué)習(xí)相關(guān)性研究[J];計算機光盤軟件與應(yīng)用;2013年11期

3 蔡建國;;排序聚類分析在成組技術(shù)中的應(yīng)用[J];機械工藝師;1985年01期

4 董玉祥;排序聚類分析計算程序[J];成組生產(chǎn)系統(tǒng);1986年01期

5 A·Gongaware,Inyong Ham,焦虹;用于成組制造系統(tǒng)的聚類分析法[J];成組生產(chǎn)系統(tǒng);1986年02期

6 史逸芬,蔡建國;排序聚類分析法在相似零件成組中的應(yīng)用[J];成組生產(chǎn)系統(tǒng);1986年03期

7 徐大威,王鴻歌;聚類分析應(yīng)用程序系統(tǒng)[J];冶金自動化;1988年01期

8 張春早;會議評判與聚類分析[J];機械工程;1988年02期

9 吳國安;聚類分析在鳥的分類中的應(yīng)用[J];黑龍江大學(xué)自然科學(xué)學(xué)報;1989年04期

10 盧澤生;;零件分類成組的聚類分析法[J];機械工程師;1990年04期

相關(guān)會議論文 前10條

1 梅翠;;我國各地區(qū)居民收入差距及其對消費的制約[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 李均立;傅國華;;海南各縣(市)經(jīng)濟實力的聚類分析[A];中國現(xiàn)場統(tǒng)計研究會第12屆學(xué)術(shù)年會論文集[C];2005年

3 劉黃金;曹林峰;;南京服務(wù)業(yè)發(fā)展的聚類分析[A];江蘇省現(xiàn)場統(tǒng)計研究會第十次學(xué)術(shù)年會論文集[C];2006年

4 肖靜;楊澤峰;徐辰武;;微陣列表達(dá)譜監(jiān)督聚類分析方法的比較研究[A];江蘇省遺傳學(xué)會第七屆代表大會暨學(xué)術(shù)研討會論文摘要匯編[C];2006年

5 路愛峰;崔玉杰;;滬市電力上市公司經(jīng)營業(yè)績的聚類分析[A];中國數(shù)學(xué)力學(xué)物理學(xué)高新技術(shù)交叉研究學(xué)會第十二屆學(xué)術(shù)年會論文集[C];2008年

6 陳國華;廖小蓮;夏君;;證券投資分析的聚類分析方法[A];中國企業(yè)運籌學(xué)[2011（1）][C];2011年

7 張紅衛(wèi);隗金水;;聚類分析評價與測量效度關(guān)系探討[A];第九屆全國體育科學(xué)大會論文摘要匯編(4)[C];2011年

8 牛東曉;乞建勛;;網(wǎng)絡(luò)資源平衡問題的聚類分析優(yōu)化遺傳算法研究[A];2001年中國管理科學(xué)學(xué)術(shù)會議論文集[C];2001年

9 詹原瑞;彭書杰;李如一;;基于聚類分析的企業(yè)信用等級評價方法[A];西部開發(fā)與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第12屆年會論文集[C];2002年

10 鄒曉玫;修春波;;基于聚類分析的犯罪率相關(guān)因素的研究[A];當(dāng)代法學(xué)論壇（二○一○年第3輯）[C];2010年

相關(guān)博士學(xué)位論文 前4條

1 張建萍;基于計算智能技術(shù)的聚類分析研究與應(yīng)用[D];山東師范大學(xué);2014年

2 李成安;分布式環(huán)境下聚類分析新方法的研究[D];浙江大學(xué);2006年

3 楊旭杰;基于統(tǒng)計方法模型分析的中藥復(fù)方專利保護研究[D];北京中醫(yī)藥大學(xué);2012年

4 李寶玲;王裕頤教授學(xué)術(shù)思想與臨床經(jīng)驗總結(jié)及治療眩暈證治規(guī)律研究[D];北京中醫(yī)藥大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李元俊;大學(xué)生就業(yè)能力培養(yǎng)與社會需求的匹配性研究[D];山東建筑大學(xué);2015年

2 馮雪冰;基于模糊理論的EM算法在聚類分析的應(yīng)用研究[D];中國地質(zhì)大學(xué)(北京);2015年

3 黃銀;行業(yè)地區(qū)發(fā)展水平的聚類分析[D];蘇州大學(xué);2015年

4 郭俊峰;聚類分析下的股票投資價值挖掘研究[D];大連海事大學(xué);2015年

5 張旭;考慮風(fēng)電接入不確定性的節(jié)點特性建模研究[D];山東大學(xué);2015年

6 褚旭;我國各省市CDM項目聚類分析及影響因素研究[D];首都經(jīng)濟貿(mào)易大學(xué);2015年

7 劉鑫琳;VAGUE集理論及其在聚類分析中的應(yīng)用[D];廣西大學(xué);2015年

8 周穎;基于蟻群算法的聚類分析在學(xué)生成績中的研究[D];南昌大學(xué);2015年

9 邢蕊;以聚類分析為基礎(chǔ)的我國證券公司效率研究[D];山西大學(xué);2015年

10 王帥宇;K-Means算法在用戶細(xì)分方面的應(yīng)用研究[D];北京理工大學(xué);2015年

，

本文編號：1372730