《计算机学报》文章摘要 全文下载 | |
文章题目 | 基于乘性规则的支持向量域分类器 |
作者 | 陆从德 张太镒 胡金燕 |
作者单位 | (西安交通大学电信学院信息与通信工程系 西安 710049) |
发表年份 | 2004 |
发表月份 | 5期(690-694) |
文章摘要 | 摘要 该文提出了一种基于支持向量域描述(SVDD)的学习分类器.在两类样本分类中,该算法在训练时通过对1类样本的描述求取包含1类样本的球形边界,然后通过该边界对两类样本数据进行分类,并且在求取边界的优化问题中,采用乘性规则来直接求取Lagrange乘子,而不是用传统的二次优化方法.该文所获得的学习算法和支持向量机(SVM)与序列最小优化(SMO)算法相比,不仅降低了样本的采集代价,而且在优化速度上有了很大提高.通过CBCL人脸库的仿真实验,将该算法和SVM、SOM算法的实验结果进行对比,说明了该学习算法的有效性. 关键词 支持向量域描述;支持向量域分类器;乘性规则;支持向量机;序列最小优化 中图法分类号 TP18 |