期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于特征贡献度加权高斯核函数的粗糙one-class支持向量机
被引量：
2
1
作者
田浩兵
朱嘉钢
陆晓
《计算机科学》
CSCD
北大核心
2015年第6期239-242,246,共5页
粗糙one-class支持向量机(ROCSVM)是一种一类支持向量机,它通过核函数映射,定义上近似超平面和下近似超平面,使得训练样本能根据在粗糙间隔中的位置,自适应地对决策超平面产生影响。由于ROCSVM训练集只有正类样本,因此充分挖掘和利用训...
粗糙one-class支持向量机(ROCSVM)是一种一类支持向量机,它通过核函数映射,定义上近似超平面和下近似超平面,使得训练样本能根据在粗糙间隔中的位置,自适应地对决策超平面产生影响。由于ROCSVM训练集只有正类样本,因此充分挖掘和利用训练样本的分类特征对于提高ROCSVM的分类性能有重要意义。为此,提出了一种基于训练样本分类特征贡献度的加权高斯核函数(λ-RBF):先对训练样本做主成分分析(PCA)得到按特征值排序的向量集,以此向量集构造核函数,使得特征值较大的维度在核函数中起较大的作用。在UCI标准数据集和仿真数据上的实验结果表明:与一般RBF的ROCSVM相比,基于λ-RBF的ROCSVM有着更好的泛化性和更高的识别率。
展开更多
关键词
粗糙集
一类支持向量机
加权核函数
主成分分析
超平面
过拟合
在线阅读
下载PDF
职称材料
题名
基于特征贡献度加权高斯核函数的粗糙one-class支持向量机
被引量：
2
1
作者
田浩兵
朱嘉钢
陆晓
机构
江南大学物联网工程学院
江南大学晓山股份联合实验室
出处
《计算机科学》
CSCD
北大核心
2015年第6期239-242,246,共5页
基金
江苏省产学研项目(BY2013015-40)资助
文摘
粗糙one-class支持向量机(ROCSVM)是一种一类支持向量机,它通过核函数映射,定义上近似超平面和下近似超平面,使得训练样本能根据在粗糙间隔中的位置,自适应地对决策超平面产生影响。由于ROCSVM训练集只有正类样本,因此充分挖掘和利用训练样本的分类特征对于提高ROCSVM的分类性能有重要意义。为此,提出了一种基于训练样本分类特征贡献度的加权高斯核函数(λ-RBF):先对训练样本做主成分分析(PCA)得到按特征值排序的向量集,以此向量集构造核函数,使得特征值较大的维度在核函数中起较大的作用。在UCI标准数据集和仿真数据上的实验结果表明:与一般RBF的ROCSVM相比,基于λ-RBF的ROCSVM有着更好的泛化性和更高的识别率。
关键词
粗糙集
一类支持向量机
加权核函数
主成分分析
超平面
过拟合
Keywords
Rough set
One-class SVM
Kernel function
PCA
Hyperplane
Over-fitting
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于特征贡献度加权高斯核函数的粗糙one-class支持向量机
田浩兵
朱嘉钢
陆晓
《计算机科学》
CSCD
北大核心
2015
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
