超球体单类支持向量机的SMO训练算法

摘要：

由于One-class支持向量机能用于无监督学习,被广泛用于信息安全、图像识别等领域中.而超球体One class支持向量机能生成一个合适的球体,将训练样本包含其中,故更适合于呈球形分布的样本学习.但由于超球体One-class支持向量机没有一种快速训练算法,使其在应用中受到限制.SMO算法成功地训练了标准SVM,其训练思想也可用于超球体One-class支持向量机的训练.本文提出了超球体One-class支持向量机的SMO训练算法,并对其空间和时间复杂度进行了分析.实验表明,这种算法能迅速、有效地训练超球体One-class支持向量机.

关键词：无监督学习、超球体One-class支持向量机、SMO训练算法

所属期刊栏目：35

分类号：TP3;TP1

在线出版日期：2008-08-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：178-180