原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
V01．8
第8卷第4期 南京师范大学学报(工程技术版) No．4
OFNANJINGNORMAL ANDTECHNOLOGY
2008年12月 JOURNAL UNIVERSITY(ENGINEERING
基于核的单类分类器研究
冯爱民，陈松灿
(南京航空航天大学信息科学与技术学院，江苏南京210016)
【摘要] 以统计学习理论为背景，以核方法为基础的两类典型单类分类算法：单类支持向量机(OCSVM)和支持向量数据域
描述(SVDD)，均以降低VC维为目标，其中前者通过寻找一个远离原点的超平面。使目标数据所在的正半李间尽量最小；而后
者通过寻找一个包含大部分目标数据的最小超球。实现体积最小化．围绕上述两算法，已有大量改进形式出现．本文以此为主
线，分别从模型构建、模型改进和数据预处理的角度，进行了回顾和阐述，并对各算法的特点给出了相应的总结．
【关键词] 核方法，单类分类器，单类支持向量机，支持向量数据域描述
391．4 [文章编号]1672-1292(2008)04-0001-06
【中图分类号]TP [文献标识码]A
onOne-ClassClassifiersBasedOnKernelMethod
Study
FengAimin，ChenSongcan
of ofAeronauticsand
InformationScienceand University 210016，China)
(College Technology，N蛐jing Astronautics．Na．jing
state-of-the-artbasedonkernel VectorDataDe—
Abstract：As method，one-classSVM(OCSVM)and
algorithms Support
f intothesoundtheoreticalbasisofstatistical orderdecreasetheVCdimen．
scriptionSVDD)root learningtheory．Into
sionfor the triestofinda withthefurthestdistancetothe for
ability，OCSVM hyperplaRe origin
promotinggeneralization
the half livedmostofthe SVDDtriestofindtheminimalvolume
minimizingpositivespace by targetdata；While hyper-
mostofthe Onthetwo variantsor
sphereenclosing givensamples．Focusingalgorithm．80meimprovedversions眦pro-
toavoidsome oftheabovemodels．Inthis reviewmostofthesevariants
文档评论（0）