面向大规模数据集的单类支持向量机
提出了一种面向大规模数据集的单类支持向量机(OCSVM)方法.该方法基于k近邻思想得到表征数据集合分布特征的集合内点,并依此生成集合边缘点,而后由二者重新组成数据集合,用于OCSVM训练.该新建数据集不仅极大压缩了原有大规模数据集的样本数量,还可以保留原有大规模数据集的分布特征,从而有效解决了OCSVM在处理大规模数据集时所存在的训练时间长、模型复杂以及预测效率低等问题.最后,通过在典型数据集合上进行的对比实验,表明了所提方法的有效性.
数据处理 单类支持向量机 精度控制
肖志博 王焕钢 肖英超 徐文立
清华大学自动化系,北京100084
国内会议
扬州
中文
206-209
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）