• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>The 11th International Conference on Control Automation Robotics and Vision >An approach for raising the accuracy of one-class classifiers
【24h】

An approach for raising the accuracy of one-class classifiers

机译：一种提高一类分类器准确性的方法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The support vector data description (SVDD) is a method proposed to solve the problem of one-class classification. It models a hypersphere around the target set, and by the introduction of kernel functions, more flexible descriptions are obtained. In SVDD, the width parameter s and the penalty parameter c have to be given beforehand by the user. To automatically optimize the values for these parameters, the error on both the target and outlier data has to be estimated. Because no outlier examples are available, we propose a max-min range method for generating artificial outliers in this paper. By generating artificial outliers around the target set, the accuracy of classifiers will improve. At the last, we use four benchmark data sets: Iris, Wine, Balance-scale, and Ionosphere data base to validate the approach in this research indeed has better classification result.
机译：支持向量数据描述（SVDD）是一种解决一类分类问题的方法。它围绕目标集对超球建模，并通过引入内核函数，获得更灵活的描述。在SVDD中，宽度参数s和惩罚参数c必须由用户预先给出。为了自动优化这些参数的值，必须估算目标数据和异常数据的误差。由于没有离群值示例，因此本文提出了一种最大-最小范围方法来生成人工离群值。通过围绕目标集生成人工离群值，分类器的准确性将得到提高。最后，我们使用四个基准数据集：虹膜，葡萄酒，天平秤和电离层数据库来验证本研究中的方法确实具有更好的分类结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 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