模糊大间隔最小超球模型

发布时间：2018-07-09 22:26

本文选题：异常检测 + 模糊理论　；参考：《计算机应用研究》2017年03期

【摘要】：针对当前异常检测方法面临的分类性能有限以及分类结果易受噪声影响等问题,在分析当前异常检测方法的基础上,提出模糊大间隔最小超球模型FMHM。该模型引入模糊理论,在一定程度上减少了噪声对分类结果的影响;正常样本与奇异样本之间的间隔最大化确保错分率最小。标准UCI数据集上的比较实验表明,较之单类支持向量机(OCSVM)、支持向量数据描述(SVDD)、K近邻(KNN)等算法,所提方法 FMHM在异常检测方面具有一定优势。
[Abstract]:In view of the limited classification performance of current anomaly detection methods and the vulnerability of classification results to noise, based on the analysis of current anomaly detection methods, a fuzzy large interval minimum hypersphere model FMHM is proposed. Fuzzy theory is introduced into the model to reduce the influence of noise on classification results to a certain extent and the maximum interval between normal and singular samples ensures the minimum error rate. The comparison experiments on standard UCI data sets show that the proposed method FMHM has some advantages in anomaly detection over single class support vector machines (OCSVM), support vector data description (SVDD) and K-nearest neighbor (KNN) algorithms.
【作者单位】：山西大学商务学院信息学院;中北大学计算机与控制工程学院;
【基金】：山西省自然科学基金资助项目(201601D011042) 山西省高等学校创新人才支持计划资助项目(2016)
【分类号】：O159

【相似文献】