一种基于“独立性差”的分类学习新算法

？从"独立性差"角度出发,提出了ise准则下的"独立性差"估计新方法(differenceofindependenceestimation,doie).从数学模型上证明该算法与单类svm等价且可用于解决分类问题.当数据集规模较大时,该算法的优势在于可用较少样本点表示两数据集中样本点间的关系,在保证精度的前提下,提高运算速度.该算法还可应用于两数据集独立性判断、检测流数据分布改变点的位置.若退化为单类数据集,可应用于概率密度估计.benchmark和uci数据集上的实验表明,该算法具有较好的性能.