保局性数据域描述单类分类器

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。