一种新的基于SVDD的多类分类算法

计算机科学 ›› 2009, Vol. 36 ›› Issue (3): 65-68.

一种新的基于SVDD的多类分类算法

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文受国家自然科学基金“单类分类器和数据不平衡分类问题研究”（No.60603029）,江苏自然科学基金“基于单类分类器的安全审计中的异常检测研究”（No.BK2005009）项目支持.

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 目前的多类学习方法大多将多类问题转化为二类问题，这样处理除了时间开销大，还存在识别盲区。提出了一种直接进行多类学习的算法multi-SVDD。该算法在考虑大样本和多类样本数据中的类内不平衡现象基础上，首先为每类训练样本进行聚类，根据聚类结果由支持向量数据描述（SVDD，Support Vector Date Description）建立多个最小包围球。根据测试样本到SVDD所建立的最小包围球的距离来确定测试样本属于哪个聚类，最终可判断测试样本属于哪个类。multi-SVDD算法在时空开销上相比最小包围球方

关键词: 多类学习支持向量数据描述不平衡学习聚类

Abstract: Most of the multi-class learning methods transfer the multi-class classification problems to two-class classification problems, which not only are time-expensive but also have some region undiscriminating. A direct multi-class learning algorithm named mul

Key words: Multi-class Learning, SVDD, Imbalanced learning, Clustering

. 一种新的基于SVDD的多类分类算法[J]. 计算机科学, 2009, 36(3): 65-68. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed