已閱讀1頁，還剩62頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、異常檢測問題普遍存在于現(xiàn)代醫(yī)學研究、新型農(nóng)業(yè)研究以及機械工程安全中。支持向量數(shù)據(jù)描述(Support Vector Data Description,SVDD)算法是一種異常檢測方法,該方法需要建立一個球體去盡可能多地包含所有已知的正常樣本。在處理異常檢測問題中,根據(jù)數(shù)據(jù)的特性可分為兩種情況:一種情況是只包含正常樣本;另一種情況是除了正常的樣本,還包含小數(shù)量級的異常樣本。Lee等人在SVDD算法中引入了樣本相對密度的概念,改善了SVDD
2、算法的性能。本文在樣本相對密度算法和SVDD算法基礎(chǔ)上做了如下進一步的研究:
(1)在密度誘導支持向量數(shù)據(jù)描述(Density-induced Support Vector Data Description,D-SVDD)算法基礎(chǔ)上,文中詳細考慮了參數(shù)T的取值對算法模型分類性能和算法穩(wěn)定性的影響,并給出了參數(shù)T的取值區(qū)間。
(2)將異常樣本信息加入到密度懲罰支持向量數(shù)據(jù)描述(Density-Punished Supp
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于支持向量數(shù)據(jù)描述的分類算法研究.pdf
- 基于支持向量數(shù)據(jù)描述的屬性約簡算法研究.pdf
- 基于支持向量數(shù)據(jù)描述的分類識別算法研究.pdf
- 基于支持向量數(shù)據(jù)描述的多示例學習算法研究.pdf
- 基于支持向量數(shù)據(jù)描述的消歧義多示例學習算法研究.pdf
- 基于支持向量數(shù)據(jù)描述的說話人識別研究.pdf
- 一種改進的支持向量數(shù)據(jù)描述算法.pdf
- 基于支持向量數(shù)據(jù)描述的MEWMA控制圖.pdf
- 基于支持向量數(shù)據(jù)描述的在線簽名認證研究.pdf
- 基于不平衡數(shù)據(jù)分布的支持向量數(shù)據(jù)描述.pdf
- 支持向量數(shù)據(jù)描述與支持向量機及其應用.pdf
- 基于支持向量數(shù)據(jù)描述的故障診斷方法研究.pdf
- 分布式環(huán)境下的支持向量數(shù)據(jù)描述外殼算法.pdf
- 基于支持向量數(shù)據(jù)描述的累積和控制圖.pdf
- 基于支持向量機的改進的密度聚類算法研究.pdf
- 基于信息理論學習的支持向量數(shù)據(jù)描述集成.pdf
- 基于極限學習的多分類支持向量數(shù)據(jù)描述方法研究.pdf
- 基于支持向量數(shù)據(jù)描述的輕軌錨固螺桿故障診斷研究.pdf
- 基于支持向量機的智能數(shù)據(jù)挖掘算法研究.pdf
- 基于支持向量數(shù)據(jù)描述的多時段間歇過程監(jiān)測方法研究.pdf
評論
0/150
提交評論