模拟退火在支持向量数据描述的参数选取和特征选择中的应用

摘要

异常检测是机器学习领域近年来的一个研究热点,在相当多的文献中都将异常检测作为一类分类来处理,因此出现了很多一类分类器,其中最为常用的有一类支持向量机和支持向量数据描述一类支持向量机是寻找一个超平面将正常样本和原点以最大间隔进行划分,而支持向量数据描述则是寻找一个包含训练集中所有正常样本的最小包围球。rn 支持向量数据描述是用于解决异常检测问题的一类分类器.在支持向量数据描述的训练过程中,其参数选取以及特征选择对其分类性能具有重要的影响.本文将模拟退火和支持向量数据描述的参数选取及特征选择融合在一起,建立了更为有效的异常检测模型.实验结果表明所建立模型可以有效地提高传统支持向量数据描述的分类性能,同时能找到更为合理的参数及特征子集.

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号