| 一种快速的离群点检测方法 |
| |
| 引用本文： | 冯震,付敬奇,熊南.一种快速的离群点检测方法[J].电子测量与仪器学报,2016,30(11):1726-1734. |
| |
| 作者姓名： | 冯震 付敬奇 熊南 |
| |
| 作者单位： | 1. 上海大学机电工程与自动化学院上海200072； 2. 湖北师范大学机电与控制工程学院湖北435002,上海大学机电工程与自动化学院上海200072,上海大学机电工程与自动化学院上海200072 |
| |
| 摘 要： | 离群点检测已在许多领域得到了广泛的应用,支持向量数据描述(SVDD)是一种流行的离群点检测方法,但其训练阶段需要二次规划求解,以及决策阶段计算与支持向量数量呈线性关系等导致该方法具有较高时间复杂度。本文提出了一种快速SVDD离群点检测方法,首先在训练阶段利用训练集约简和二阶逼近的序列最小优化(SMO)算法降低训练时间,然后在决策阶段通过分析决策函数表达式,利用获取超球球心原像的方式降低决策时间,使得该方法的时间复杂度显著降低。利用标准的公用数据集验证提出的方法,结果表明该方法的时间复杂度明显优于传统的方法。
|
| 关 键 词： | 支持向量数据描述 离群点 序列最小优化算法 原像 |
A novel method for rapidly outlier detection |
| |
| Feng Zhen,Fu Jingqi and Xiong Nan.A novel method for rapidly outlier detection[J].Journal of Electronic Measurement and Instrument,2016,30(11):1726-1734. |
| |
| Authors: | Feng Zhen Fu Jingqi and Xiong Nan |
| |
| Affiliation: | 1.School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China; 2. College of Mechatronics and Control Engineering, Hubei Normal University, Huangshi 435002, China,School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China and School of Mechatronics Engineering and Automation, Shanghai University, Shanghai 200072, China |
| |
| Abstract: | |
| |
| Keywords: | SVDD outliers SMO pre image |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
|
