基于SVR的异常数据检测  

Outlier Detection Based on SVR

作　　者：孙德山[1] 吴今培[2] 肖健华[2] 

机构地区：[1]辽宁师范大学数学系,大连116029 [2]五邑大学智能技术与系统研究所,江门529020

出　　处：《计算机工程与应用》2003年第26期40-41,50,共3页Computer Engineering and Applications

基　　金：国家自然科学基金资助项目(编号:60075014);广东省自然科学基金资助(编号:021349)

摘　　要：支持向量机是一种基于统计学习理论的新颖的机器学习方法,该方法已广泛用于解决分类和回归问题。该文利用支持向量回归算法中结构风险函数的性质以及KT条件,提出一种回归中的异常值检测方法。仿真实验结果表明了所给方法的可行性和有效性。Support vector machines(SVM)are a kind of novel machine learning methods,based on statistical learning theory,which have been developed for solving classification and regression problems.A method of outlier detection in re-gression is proposed making use of the character of structure risk function and KT condition in support vector regres-sion in this paper.The results of simulation experiments show the feasibility and effectiveness of the proposed method.

关 键 词：支持向量机 回归 异常值 核函数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]