基于信息熵的支持向量数据描述分类

？针对现有的支持向量数据描述(svdd)在解决分类问题时通常存在盲目性和有偏性，在研究信息熵和svdd分类理论的基础上，提出了改进两类分类问题的e-svdd算法。首先对两类样本数据分别求出其熵值；然后根据熵值大小决定将哪类放在球内；最后结合两类样本容量以及各自的熵值所提供的分布信息，对svdd算法中的c值重新进行定义。采用该算法对人工样本集和uci数据集进行实验，实验结果验证了算法的可行性和有效性。