基于核空间相对密度的SVDD 多类分类算法倡.pdf

文档介绍：第 27 卷第 5 .5
2010 年 5 月 Vol No2010
Application Research puters May
基于核空间相对密度的 SVDD 多类分类算法倡
刘晟, 朱玉全, 孙金津
(江苏大学计算机科学与通信工程学院, 江苏镇江 212013)
摘要: 针对现有基于支持向量数据描述( ) 的多类分类算法未能充分利用重叠区域样本分布信息等问
SVDD
题,提出了一种基于核空间相对密度的多类分类算法唱。该算法首先由确定包围每类数
SVDD DM SVDD SVDD
据的最小超球,然后计算位于最小超球重叠区域中每个样本在其同类样本间的相对密度,最后以各类样本相对
密度的均值为标准,对重叠区域内的待测样本进行分类。实验结果表明,算法唱是可行有效的。
DM SVDD
关键词: 支持向量数据描述; 多类分类; 核空间相对密度
中图分类号: 391畅4 文献标志码: 文章编号: 1001唱3695(2010)05唱1694唱03
TP A
: /. .
doi j issn
SVDD multiclass classification algorithm based on
relative density in kernel space
, 唱, 唱
LIU Sheng ZHU Yu quan SUN Jin jin
(School puter Science munications Engineering, Jiangsu University, Zhenjiang Jiangsu 212013, China)
&
Abstract: 唱
( )In order to solve the problem that existing multiclass classification algorithm. based on support vector data descrip
tion SVDD is not fully use the sample distribution information in overlapping( 唱 regions).This paper, proposed唱 an algorithm for
SVDD multiclass唱 classification based on relative density in. kernel space DM SVDD Firstly DM SVDD got the minimum
bounding hyper spheres enclosing each class by using SVDD Then the algorithm唱 calculated. , relative density with the same class
samples for each data in overlapping region of the minimum bounding hyper .spheres At last classified the test samples唱