Parameter optimization algorithm of SVDD based on minimizing the density outside
WANG Jing-cheng1, CAO Hui2, ZHANG Yan-bin2, REN Zhi-wen1
1. Xi’an Thermal Power Research Institute Limited Liability Company, Xi’an 710043, China;
2. School of Electrical Engineering, Xi’an Jiaotong University, Xi’an 710049, China
支持向量数据描述(support vector data description, SVDD)是一种具有单类数据描述能力的数据分类算法,因具有结构风险最小化的特性而受到广泛关注。SVDD的参数优化是影响其分类效果的关键问题,本文通过引入样本点的密度信息,提出了以界外密度最小化为目标的参数优化函数,避免了漏检率的计算问题,可充分利用训练数据的分布信息,提高数据描述能力,降低错分率。仿真实验和UCI标准数据库的对比验证表明,优化后的SVDD算法能够有效降低漏检率和错分率,提高算法性能。
WANG Jing-cheng1, CAO Hui2, ZHANG Yan-bin2, REN Zhi-wen1. Parameter optimization algorithm of SVDD based on minimizing the density outside[J]. Systems Engineering and Electronics, doi: 10.3969/j.issn.1001-506X.2015.06.33.