模拟退火在支持向量数据描述的参数选取和特征选择中的应用

摘要：

异常检测是机器学习领域近年来的一个研究热点，在相当多的文献中都将异常检测作为一类分类来处理，因此出现了很多一类分类器，其中最为常用的有一类支持向量机和支持向量数据描述一类支持向量机是寻找一个超平面将正常样本和原点以最大间隔进行划分，而支持向量数据描述则是寻找一个包含训练集中所有正常样本的最小包围球。 支持向量数据描述是用于解决异常检测问题的一类分类器.在支持向量数据描述的训练过程中,其参数选取以及特征选择对其分类性能具有重要的影响.本文将模拟退火和支持向量数据描述的参数选取及特征选择融合在一起,建立了更为有效的异常检测模型.实验结果表明所建立模型可以有效地提高传统支持向量数据描述的分类性能,同时能找到更为合理的参数及特征子集.

关键词： 机器学习 异常检测 支持向量数据描述 模拟退火 参数选取 特征选择

作者: 曹薇薇 刘国华 陈国涛 赵峰

作者单位: 河北大学数学与计算机学院,河北保定071002

会议类型: 国内会议

会议名称: 第九届中国不确定系统年会、第五届中国智能计算大会、第十三届中国青年信息与管理学者大会

会议地点: 南京

会议语种:中文

页码: 294-300

在线出版日期: 2011-07-27（万方平台首次上网日期，不代表论文的发表时间）