基于快速聚类分析的支持向量数据描述算法

发布时间：2018-01-03 06:17

  本文关键词：基于快速聚类分析的支持向量数据描述算法　出处：《控制与决策》2016年03期 　论文类型：期刊论文

  更多相关文章： 聚类分析 支持向量数据描述 加权

【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.
[Abstract]:Considering the influence of noise exist in the data modeling of the data, put forward a fast support vector data description algorithm based on cluster analysis. The algorithm uses fast clustering algorithm to preprocess the modeling data, through the pretreatment modeling of noise in quickly remove the data; and then based on NN algorithm to obtain the weight value weighted in each data model, support vector data description algorithm. In the standard data set on the experiment and analysis show that the support vector data description of the proposed algorithm is better than the traditional support vector data description algorithm and density driven support vector data description algorithm has obvious improvement in accuracy degree.

【作者单位】： 同济大学电子与信息工程学院;同济大学CIMS研究中心;
【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)
【分类号】：TP18
【正文快照】： 0引言数据描述的主要目的是能够紧凑地描述一个数据集,使目标数据在描述边界内并排除数据集内存在的噪声.数据描述被广泛应用在噪声检测等领域,也常被称为一类分类算法.Tex等[1]于2004年提出的支持向量数据描述算法(SVDD),原理源自于支持向量机[2-3],将数据集从输入空间通过核

【相似文献】

相关期刊论文 前10条

1 李斌,郭剑毅;聚类分析在客户关系管理中的研究与应用[J];计算机工程与设计;2005年02期

2 张宏翔;李星;;基于聚类分析的学生学习相关性研究[J];计算机光盘软件与应用;2013年11期

3 蔡建国;;排序聚类分析在成组技术中的应用[J];机械工艺师;1985年01期

4 董玉祥;排序聚类分析计算程序[J];成组生产系统;1986年01期

5 A·Gongaware,Inyong Ham,焦虹;用于成组制造系统的聚类分析法[J];成组生产系统;1986年02期

6 史逸芬,蔡建国;排序聚类分析法在相似零件成组中的应用[J];成组生产系统;1986年03期

7 徐大威,王鸿歌;聚类分析应用程序系统[J];冶金自动化;1988年01期

8 张春早;会议评判与聚类分析[J];机械工程;1988年02期

9 吴国安;聚类分析在鸟的分类中的应用[J];黑龙江大学自然科学学报;1989年04期

10 卢泽生;;零件分类成组的聚类分析法[J];机械工程师;1990年04期

相关会议论文 前10条

1 梅翠;;我国各地区居民收入差距及其对消费的制约[A];中国现场统计研究会第12届学术年会论文集[C];2005年

2 李均立;傅国华;;海南各县(市)经济实力的聚类分析[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 刘黄金;曹林峰;;南京服务业发展的聚类分析[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年

4 肖静;杨泽峰;徐辰武;;微阵列表达谱监督聚类分析方法的比较研究[A];江苏省遗传学会第七届代表大会暨学术研讨会论文摘要汇编[C];2006年

5 路爱峰;崔玉杰;;沪市电力上市公司经营业绩的聚类分析[A];中国数学力学物理学高新技术交叉研究学会第十二届学术年会论文集[C];2008年

6 陈国华;廖小莲;夏君;;证券投资分析的聚类分析方法[A];中国企业运筹学[2011（1）][C];2011年

7 张红卫;隗金水;;聚类分析评价与测量效度关系探讨[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

8 牛东晓;乞建勋;;网络资源平衡问题的聚类分析优化遗传算法研究[A];2001年中国管理科学学术会议论文集[C];2001年

9 詹原瑞;彭书杰;李如一;;基于聚类分析的企业信用等级评价方法[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年

10 邹晓玫;修春波;;基于聚类分析的犯罪率相关因素的研究[A];当代法学论坛（二○一○年第3辑）[C];2010年

相关博士学位论文 前4条

1 张建萍;基于计算智能技术的聚类分析研究与应用[D];山东师范大学;2014年

2 李成安;分布式环境下聚类分析新方法的研究[D];浙江大学;2006年

3 杨旭杰;基于统计方法模型分析的中药复方专利保护研究[D];北京中医药大学;2012年

4 李宝玲;王裕颐教授学术思想与临床经验总结及治疗眩晕证治规律研究[D];北京中医药大学;2012年

相关硕士学位论文 前10条

1 李元俊;大学生就业能力培养与社会需求的匹配性研究[D];山东建筑大学;2015年

2 冯雪冰;基于模糊理论的EM算法在聚类分析的应用研究[D];中国地质大学(北京);2015年

3 黄银;行业地区发展水平的聚类分析[D];苏州大学;2015年

4 郭俊峰;聚类分析下的股票投资价值挖掘研究[D];大连海事大学;2015年

5 张旭;考虑风电接入不确定性的节点特性建模研究[D];山东大学;2015年

6 褚旭;我国各省市CDM项目聚类分析及影响因素研究[D];首都经济贸易大学;2015年

7 刘鑫琳;VAGUE集理论及其在聚类分析中的应用[D];广西大学;2015年

8 周颖;基于蚁群算法的聚类分析在学生成绩中的研究[D];南昌大学;2015年

9 邢蕊;以聚类分析为基础的我国证券公司效率研究[D];山西大学;2015年

10 王帅宇;K-Means算法在用户细分方面的应用研究[D];北京理工大学;2015年

，

本文编号：1372730