基于相對(duì)密度的支持向量數(shù)據(jù)描述算法研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩62頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、異常檢測(cè)問題普遍存在于現(xiàn)代醫(yī)學(xué)研究、新型農(nóng)業(yè)研究以及機(jī)械工程安全中。支持向量數(shù)據(jù)描述(Support Vector Data Description,SVDD)算法是一種異常檢測(cè)方法,該方法需要建立一個(gè)球體去盡可能多地包含所有已知的正常樣本。在處理異常檢測(cè)問題中,根據(jù)數(shù)據(jù)的特性可分為兩種情況:一種情況是只包含正常樣本;另一種情況是除了正常的樣本,還包含小數(shù)量級(jí)的異常樣本。Lee等人在SVDD算法中引入了樣本相對(duì)密度的概念,改善了SVDD

2、算法的性能。本文在樣本相對(duì)密度算法和SVDD算法基礎(chǔ)上做了如下進(jìn)一步的研究:
　　(1)在密度誘導(dǎo)支持向量數(shù)據(jù)描述(Density-induced Support Vector Data Description,D-SVDD)算法基礎(chǔ)上,文中詳細(xì)考慮了參數(shù)T的取值對(duì)算法模型分類性能和算法穩(wěn)定性的影響,并給出了參數(shù)T的取值區(qū)間。
　　(2)將異常樣本信息加入到密度懲罰支持向量數(shù)據(jù)描述(Density-Punished Supp

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論