LSVDD:基于局部支持向量数据描述的稀有类分析算法

被引：2

作者：

熊海涛 ^{[1
]}

吴俊杰 ^{[1
]}

刘鲁 ^{[1
]}

李明 ^{[2
]}

机构：

[1] 北京航空航天大学经济管理学院

[2] 中国石油大学工商管理学院

来源：

系统工程理论与实践 | 2012年 / 32卷 / 08期

基金：

高等学校博士学科点专项科研基金;

关键词：

数据挖掘; 稀有类分析; 支持向量数据描述; 属性选择;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在单类支持向量数据描述算法的基础上,提出了一种基于局部支持向量数据描述的稀有类分析算法:LSVDD,能够处理存在类重叠的类不平衡问题.该算法利用支持向量数据描述算法对各类样本分别进行单类学习,从而获得单类模型:然后对单类模型的概念重叠区域使用属性选择进一步进行局部单类学习,最后得到综合分类模型.在仿真数据集和UCI数据集上的实验结果表明,LSVDD能够有效和稳定地提高稀有类分析精度.

引用

页码：1784 / 1792

页数：9

共 9 条

[1] 基于聚类和SVDD的一类入侵检测模型 [J].

徐晶 ;

石端银 ;

张亚江 ;

姜萍 .

控制与决策, 2010, (03) :441-444

[2] 多项式光滑的半监督支持向量分类机 [J].

刘叶青 ;

刘三阳 ;

谷明涛 .

系统工程理论与实践, 2009, (07) :113-118

[3]

COG: local decomposition for rare class analysis[J] . Junjie Wu,Hui Xiong,Jian Chen. Data Mining and Knowledge Discovery . 2010 (2)

[4] Partial discriminative training for classification of overlapping classes in document analysis [J].

Liu, Cheng-Lin .

INTERNATIONAL JOURNAL ON DOCUMENT ANALYSIS AND RECOGNITION, 2008, 11 (02) :53-65

[5] Growing a multi-class classifier with a reject option [J].

Tax, D. M. J. ;

Duin, R. P. W. .

PATTERN RECOGNITION LETTERS, 2008, 29 (10) :1565-1570

[6]

On the k -NN performance in a challenging scenario of imbalance and overlapping[J] . V. García,R. A. Mollineda,J. S. Sánchez. Pattern Analysis and Applications . 2008 (3)

[7]

An overview of the ONIONS project: Applying ontologies to the integration of medical terminologies[J] . Aldo Gangemi,Domenico M. Pisanelli,Geri Steve. Data & Knowledge Engineering . 1999 (2)

[8] The use of the area under the roc curve in the evaluation of machine learning algorithms [J].

Bradley, AP .

PATTERN RECOGNITION, 1997, 30 (07) :1145-1159

[9]

Support-Vector Networks.[J] . Corinna Cortes,Vladimir Vapnik. Machine Learning . 1995 (3)

← 1 →