原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、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。
- 3、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。
- 4、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)。
查看更多
样本错误加权的支持向量数据描述及应用1.pdf
样本错误加权的支持向量数据描述及应用1
“2张震2胡捍英2门燕继坤
(1北京辰光信息技术中心北京100034)
(2信息工程大学郑州450002)
(’西南电子电信技术研究所重点实验室成都610041)
(yan_jk@sina．corn)
摘要SVDD是一种有效的数据描述方法，但SVDD对目标集的所有训练样本等同看待，这
在一些需要对不同训练样本区别对待的应用中并不适用。例如目标集可能由几个子类构成，
某些子类的错误损失比较大，希望对这些子类的分类准确率更高。WSVDD(样本错误加权
的SVDD)推广了SVDD，对每个训练样本赋予不同的权值，可以精细地控制训练样本对超
球面边界的影响。用UCI的三个数据集和图标分类的实验验证了WSVDD的有效性。
关键词：机器学习；数据描述：SVDD：WSVDD
Error VectorData
SampleWeightedSupport Description
and
Application
一一 ●-
1,2
Zhen，2Hu 2…YanJi．Kun
Zhang Hart．Ying，and
Information
(IBeijing Technology 100034)
Chenguang Center,Beijing
Information
(2The EnginerringUniversity,Zhengzhou450002)
South-WestInstituteofElectronicsTelecommunication
(3The Technology,Chengdu，
610041)
Abstract：SVDDisefficientdata scheme．Forall
description treatingtrainingexamples
isunfitforthose to each
applications treat
equally，SVDD demanding trainingexample
that reliable affectthe
discriminatingly．Forexample，船isexpectedhigh examples boundary
of more thanthoseless
distinctly isalso
hypersphere reliablyones．highaccuracyexpected
with
forthosesubclass errorlossif setis ofseveralsubclass．Inthe
higher target composed
is
文档评论（0）