-
题名双最小二乘支持向量数据描述
- 1
-
-
作者
张仙伟
邢佳瑶
-
机构
西安石油大学计算机学院
-
出处
《西安科技大学学报》
CAS
北大核心
2021年第3期559-565,共7页
-
基金
陕西省自然科学基金(2020JM-543)
陕西省重点研发计划(2020GY-038,2021GY-083)。
-
文摘
为了提高标准支持向量数据描述的分类精度和分类时间,构造双最小二乘支持向量数据描述,并对比分析在不同样本集上的分类性能以及分类性能随参数和样本规模的变化。在训练阶段,双最小二乘支持向量数据描述应用等式约束代替标准算法中的不等式约束,通过求解线性方程组而非凸二次规划得到正负2类样本的超球形描述边界,进而设计一个分段函数作为分类规则;在测试阶段,计算待测样本到正负2类样本的最小包围超球球心的距离,并根据距离的最小值选取相应的分类规则。数值试验结果表明双最小二乘支持向量数据描述的有效性和优越性。在基准数据集上,双最小二乘支持向量数据描述的分类精度比标准算法高1.68%,而分类时间仅为标准算法的16.51%;在正态分布数据集上,双最小二乘支持向量数据描述具有比标准算法高的分类精度和短的分类时间,而分类时间上的优势在大规模样本集上更加明显,其在2000个和10000个样本集上的分类时间为标准算法的78.06%和18.69%。
-
关键词
双最小二乘支持向量数据描述
等式约束
线性方程组
超球形边界
分段分类规则
最小距离
-
Keywords
double least square support vector data description
equality constraint
linear system of equation
hypersphere boundary
piece-wise classification rule
minimum distance
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
