一种局部优化边界的支持向量数据描述方法.pdfVIP

第 19 卷　 第 10 期 2015 年 10 月 　 电 　 机　 与　 控 　 制　 学　 报 Electri c　 Machines　 and　 Control 　 Vol． 19 No． 10 Oct. 2015 　 　 　 　 　 　 一种局部优化边界的支持向量数据描述方法 陈君1,3,　 彭小奇1,2,　 唐秀明3,　 宋彦坡1,　 刘征1 (1.中南大学 信息科学与工程学院, 湖南 长沙 410083; 2.湖南第一师范学院 信息科学与工程系, 湖南 长沙, 410205; 3.湖南科技大学 信息与电气工程学院, 湖南 湘潭 411201) 摘　 要:针对传统的支持向量数据描述(SVDD)因未考虑数据构成的多模态性和局部分布的非同 一性,难以获取目标数据的优化决策边界,所建立的数学模型难以正确反映建模对象的时空变化规 律的问题,提出一种基于局部优化边界的支持向量数据描述(LOB - SVDD)方法。 通过求取局部数 据样本的分散程度获取支持向量机算法中折衷参数的局部调整系数,以此优化求解决策边界函数, 由此可实现数据分类、离群点检测和数据建模等。 利用 UCI 数据集和人工双模态数据集进行的仿 真表明,与传统方法相比,LOB - SVDD可获得更优的决策边界,作为分类器有更低的假正率和假负 率。 应用 LOB - SVDD对具有多模态特性的铜锍吹炼实际生产数据进行预处理,能有效检测离群 点,剔除异常样本,实现数据洁净化。 关键词:支持向量数据描述; 决策边界; 折衷参数; 数据预处理 DOI:10. 15938 / j. emc. 2015. 10. 014 中图分类号:TP 181 文献标志码: A 文章编号: 1007- 449X(2015)10- 0093- 07 Support vector data description method with local optimization boundary CHEN Jun1,3,　 PENG Xiao-qi1,2,　 TANG Xiu-ming3,　 SONG Yan-po1,　 LIU Zheng1 (1. School of Information Science and Engineering, Central South University, Changsha 410083, China; 2. Department of Information Science and Engineering, Hunan First Normal University, Changsha 410205, China; 3. Institute of Information and Electrical Engineering, Hunan University of Science and Technology, Xiangtan 411201, China) Abstract:Conventional support vector data description (SVDD), which did not consider multi-modal and local distribution difference of the data, failed to reflect time-space variety rule of the object and hard to gain the optimal decision boundary. To solve this difficulty, a new SVDD method with local optimization boundary (LOB-SVDD) was proposed. First, the local dispersion degree of each data point was calculat-ed, then, the coefficient of trade-off parameters was adjusted with the local dispersion degree, finally, the quadratic programming problem was solved and an optimized boundary function was obtained. The method can be used in data classification, outlier detection and data modeling, etc. Experiments with UCI datasets and artificial dual mode da