基于快速聚类分析的支持向量数据描述算法  

Support vector data description based on fast clustering analysis

作　　者：程昊翔[1] 王坚[2] 

机构地区：[1]同济大学电子与信息工程学院,上海201804 [2]同济大学CIMS研究中心,上海201804

出　　处：《控制与决策》2016年第3期551-554,共4页Control and Decision

基　　金：国家自然科学基金面上项目(71273188);国家自然科学基金重大项目(91024031)

摘　　要：针对数据中存在的噪声对数据描述建模的影响,提出一种基于快速聚类分析的支持向量数据描述算法.该算法通过快速聚类分析算法对所要建模的数据进行预处理,通过预处理快速剔除数据中存在的影响建模的噪声;然后再将基于NN算法计算获得的权重值加权在每一个数据上,进行支持向量数据描述算法的建模.在标准数据集上的实验分析表明,所提出的支持向量数据描述算法较传统的支持向量数据描述算法和密度驱动支持向量数据描述算法在准确度上具有较明显的提升.To minimize the negative effects of the outliers in the training data set during the data description modeling, a support vector data description algorithm（SVDD） based on fast clustering analysis is proposed. The proposed approach consists of two stages of strategy. Firstly, a fast clustering analysis algorithm is applied to preprocessing the training data set. The outliers in the training dataset that affect the model are removed. Then, a weighted support vector data description based on kNN is used in the second stage. Experimental results on benchmark datasets show that the performance of the present approach is superior to conventional SVDD and density-induced SVDD in accuracy.

关 键 词：聚类分析 支持向量数据描述 加权 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]