一种改进支持向量域数据描述方法及其应用; An Improved Support Vector Data Description Method and Its Application | |
罗键 ; 庄进发 ; 李波 ; 吴长庆 ; 黄春庆 | |
2009 | |
关键词 | 支持向量域描述 核主元分析 非高斯性 support vector data description kernel principal component analysis non-Gaussian |
英文摘要 | 针对支持向量域数据描述中的核参数选择及其决策边界规整问题,提出一种新的改进算法.该算法根据支持向量域数据描述本身的特点,利用非高斯性来测量核空间样本接近球形区域分布的程度,并根据此测量结果来优化核参数.当核参数选定之后,核空间样本可能存在分布不均匀的现象,对此,该算法应用核主元分析来进行规整,即通过尺度变换来调整各主轴的长度,以获得一个更合理的球形分界面.最后通过标准数据集和TEP故障诊断仿真以验证该算法,仿真实验结果表明了该算法的有效性.; To address the problem of kernel parameter selection and regulating decision boundary in support vector data description(SVDD),this paper proposes a new algorithm.According to the characteristic of SVDD,the proposed algorithm utilizes the non-Gaussian to measure how kernel samples approximate to a spherical area,and then optimize the kernel parameter.If the samples in feature space are with uneven distribution after the kernel parameter determined,KPCA(kernel principal component analysis)is employed to structure the hyper-sphere.The algorithm use KPCA to normalize,which is through the scale transform to adjust the length of the spindle in order to obtain a more reasonable spherical interface.The proposed approach is illustrated by the application to standard data and TEP.The results verified the feasibility and effectiveness of this method.; 国家自然科学基金(60704043);国家“211”工程(王艺之)项目“立体通信和信息集成技术”资助 |
语种 | zh_CN |
内容类型 | 期刊论文 |
源URL | [http://dspace.xmu.edu.cn/handle/2288/122532] ![]() |
专题 | 信息技术-已发表论文 |
推荐引用方式 GB/T 7714 | 罗键,庄进发,李波,等. 一种改进支持向量域数据描述方法及其应用, An Improved Support Vector Data Description Method and Its Application[J],2009. |
APA | 罗键,庄进发,李波,吴长庆,&黄春庆.(2009).一种改进支持向量域数据描述方法及其应用.. |
MLA | 罗键,et al."一种改进支持向量域数据描述方法及其应用".(2009). |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论