| 基于特征贡献度加权高斯核函数的粗糙one-class支持向量机 |
| |
| 引用本文： | 田浩兵,朱嘉钢,陆 晓.基于特征贡献度加权高斯核函数的粗糙one-class支持向量机[J].计算机科学,2015,42(6):239-242, 246. |
| |
| 作者姓名： | 田浩兵 朱嘉钢 陆 晓 |
| |
| 作者单位： | 1. 江南大学物联网工程学院 无锡214122;江南大学晓山股份联合实验室 无锡214122
2. 江南大学晓山股份联合实验室 无锡214122 |
| |
| 基金项目： | 本文受江苏省产学研项目(BY2013015-40)资助 |
| |
| 摘 要： | 粗糙one-class支持向量机(ROCSVM)是一种一类支持向量机,它通过核函数映射,定义上近似超平面和下近似超平面,使得训练样本能根据在粗糙间隔中的位置,自适应地对决策超平面产生影响.由于ROCSVM训练集只有正类样本,因此充分挖掘和利用训练样本的分类特征对于提高ROCSVM的分类性能有重要意义.为此,提出了一种基于训练样本分类特征贡献度的加权高斯核函数(λRBF):先对训练样本做主成分分析(PCA)得到按特征值排序的向量集,以此向量集构造核函数,使得特征值较大的维度在核函数中起较大的作用.在UCI标准数据集和仿真数据上的实验结果表明:与一般RBF的ROCSVM相比,基于λ-RBF的ROCSVM有着更好的泛化性和更高的识别率.
|
| 关 键 词： | 粗糙集 一类支持向量机 加权核函数 主成分分析 超平面 过拟合 |
WFCD-based Rough Set One-class Support Vector Machine |
| |
| TIAN Hao-bing,ZHU Jia-gang and LU Xiao.WFCD-based Rough Set One-class Support Vector Machine[J].Computer Science,2015,42(6):239-242, 246. |
| |
| Authors: | TIAN Hao-bing ZHU Jia-gang and LU Xiao |
| |
| Affiliation: | School of IoT Engineering,Jiangnan University,Wuxi 214122,China;Co-Laboratory in Hillsun Ltd.of Jiangnan University,Wuxi 214122,China,School of IoT Engineering,Jiangnan University,Wuxi 214122,China;Co-Laboratory in Hillsun Ltd.of Jiangnan University,Wuxi 214122,China and Co-Laboratory in Hillsun Ltd.of Jiangnan University,Wuxi 214122,China |
| |
| Abstract: | |
| |
| Keywords: | Rough set One-class SVM Kernel function PCA Hyperplane Over-fitting |
| 本文献已被 万方数据 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
