%0 Journal Article
%T 保局性数据域描述单类分类器
%A 郑建炜
%A 蒋一波
%A 王万良
%J 计算机科学
%D 2011
%I 
%X 由于缺少对数据结构信息的考虑，现有的域描述型单类分类器得到的支撑面往往是次优解。因此，以支持向量数据描述((SVDD)算法为基础，通过一种简易的形式引入数据亲和因子以保持样本局部特性，提出保局性数据域描述分类器(LPDD)，使成簇的数据作用被强化，而呈零星分布的数据影响力被削弱，引导分类支撑面自动靠近数据高密区而提高算法性能。此外，为适应大样本应用场合，采用序列最小优化算法进行模型参数调整。实验证明，所提算法无论在训练速率还是在分类性能上都优于SVDD。
%K 亲和因子，支持向量域描述，序列最小优化，单类分类器
%U http://www.alljournals.cn/get_abstract_url.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=64A12D73428C8B8DBFB978D04DFEB3C1&aid=17DDCED190714E7984D6E901E129ADFF&yid=9377ED8094509821&vid=16D8618C6164A3ED&iid=708DD6B15D2464E8&sid=3D9746C06EC12B45&eid=D2742EEE6F4DF8FE&journal_id=1002-137X&journal_name=计算机科学&referenced_num=0&reference_num=0