增强型单类支持向量机

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繁性.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.

关键词：单类分类器、超平面、结构信息、支持向量机、簇分布

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金项目60603029,60703016;江苏省博士后科研资助计划基金项目05225

在线出版日期：2009-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1858-1864