基于超椭球分类面的SVDD快速决策方法

发布时间：2018-01-10 16:10

  本文关键词：基于超椭球分类面的SVDD快速决策方法　出处：《控制与决策》2017年04期 　论文类型：期刊论文

  更多相关文章： 支持向量数据描述 超椭球分类面 快速决策 分类精度

【摘要】：针对现有支持向量数据描述(SVDD)快速决策方法在检测不同分布特性的未知样本时分类精度低下的问题,提出基于超椭球分类面的SVDD(HE-SVDD)快速决策方法.该方法通过构建超椭球分类面,提高了不同分布类型数据的分类精度,同时将SVDD的决策复杂度从O(n)降低到O(2)(n为支持向量数量).首先研究超球分类面快速决策方法的局限性,进而给出超椭球分类面的构建方法.在多种数据集上的实验结果表明,HE-SVDD可以在很大程度上提升现有快速决策方法的分类精度和适用数据类型.
[Abstract]:To solve the problem of low classification accuracy of the existing SVDD-based fast decision methods for detecting unknown samples with different distribution characteristics. This paper presents a fast decision method based on hyperellipsoid classification surface for SVDDG HE-SVDD.The method improves the classification accuracy of data of different distribution types by constructing hyperellipsoid classification surface. At the same time, the decision complexity of SVDD is reduced from Ognn to the number of support vectors. Firstly, the limitation of fast decision making method for hypersphere classification surface is studied. The experimental results on various data sets show that HE-SVDD can greatly improve the classification accuracy and applicable data types of the existing fast decision making methods.
【作者单位】： 海军航空工程学院控制系;
【基金】：国家自然科学基金项目(51505491)
【分类号】：TP18
【正文快照】： 0引支持向量数据描述(SVDD)是近年来发展较快的一种单类分类方法[1-2],被广泛应用于人脸识别[3]、故障诊断[4]和医学图像分类[5]等各个领域.标准SVDD通过引入核映射使训练样本变得精密可分[6],但核化处理不仅增加了SVDD训练复杂度,也使得其决策复杂度依赖于支持向量数量n.当前

【相似文献】

相关期刊论文 前10条

1 贾利民,张锡第;基于模糊集的专家决策方法[J];铁道学报;1990年04期

2 王坚强;多目标组合决策方法研究[J];系统工程与电子技术;2002年10期

3 周凯波,冯珊,莫赞,唐超;基于可能性理论的案例决策方法研究[J];控制与决策;2003年02期

4 夏敬华,陆宝春,张世琪;一种基于似然比的信息融合与决策方法[J];系统工程与电子技术;2000年05期

5 王坚强;一种新的多指标多水平决策方法及应用[J];系统工程与电子技术;2001年11期

6 吴爱燕;曾广平;涂序彦;;集对云决策方法的研究[J];小型微型计算机系统;2011年08期

7 乐琦;;考虑主体心理行为的双边匹配决策方法[J];系统工程与电子技术;2013年01期

8 朱建军;张丽丽;梁燕华;李鹏;;基于冲突主体不确定证据融合的灰靶决策方法[J];控制与决策;2012年07期

9 ;经济计划与管理[J];全国新书目;2005年14期

10 王恩聚;消费类电子产品开发的决策方法探讨[J];电子学报;1983年01期

相关会议论文 前10条

1 刘殿国;徐兵;;可拓决策方法的探讨[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第4卷）[C];1997年

2 马良;;集对分析模型下的群组决策方法[A];1996中国控制与决策学术年会论文集[C];1996年

3 吕瑞华;张世英;;复杂系统多层局势决策方法研究[A];2003年中国管理科学学术会议论文集[C];2003年

4 夏洪胜;张素娟;;下层多人分散独立的两层多目标决策问题的交互式决策方法[A];1995中国控制与决策学术年会论文集[C];1995年

5 张智光;;离散与连续混合多变量随机决策方法及其在水环境—经济系统中的应用[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

6 夏洪胜;贺建勋;;一种全局搜索决策方法[A];1993中国控制与决策学术年会论文集[C];1993年

7 武刚;冯玉强;;基于粗糙案例推理在线自我学习决策方法[A];第八届中国管理科学学术年会论文集[C];2006年

8 ;第八章 决策方法的选择及其应用[A];21世纪数量经济学（第2卷）[C];2001年

9 王全鹏;吴斌;刘敏;;综合评价及决策方法在特殊群体选拔中的应用[A];决策科学与评价——中国系统工程学会决策科学专业委员会第八届学术年会论文集[C];2009年

10 高玉波;;传统BORDA数决策方法的几点改进[A];跨世纪的中国企业改革和发展理论与实践研讨会论文集[C];1999年

相关重要报纸文章 前6条

1 ;经营管理（39）[N];中国电力报;2000年

2 潘传宝;略论领导决策方法[N];中国航空报;2002年

3 高立法;债券投资的决策方法[N];财会信报;2006年

4 刘宁;多重目标：关于现代决策方法的思考[N];学习时报;2006年

5 ;经营管理（42）[N];中国电力报;2000年

6 缪志聪;“教给学生思考和决策方法”[N];江苏教育报;2010年

相关博士学位论文 前8条

1 闫书丽;灰靶决策方法及应用研究[D];南京航空航天大学;2014年

2 陈希;双边匹配决策方法研究[D];东北大学;2010年

3 黄灏然;多属性消错决策方法研究[D];广东工业大学;2014年

4 李鹏;基于灰色关联和证据推理的直觉模糊信息决策方法研究[D];南京航空航天大学;2012年

5 刘蓉;基于聚类算法的多属性复杂大群体决策方法研究[D];中南大学;2006年

6 赵鑫业;联合作战指挥控制过程模糊表示与决策方法研究[D];国防科学技术大学;2014年

7 罗党;灰色决策问题的分析方法研究[D];南京航空航天大学;2005年

8 吕瑞华;复杂经济系统混沌预测方法与多层局势决策方法研究[D];天津大学;2004年

相关硕士学位论文 前10条

1 胡亚西;基于偏好序信息的双边匹配决策方法[D];广西大学;2015年

2 刘燕;具有个体和组合偏好序信息的双边匹配决策方法研究[D];东北大学;2013年

3 陈朵朵;220kV继电保护设备状态评估与决策方法研究[D];华北电力大学(北京);2016年

4 徐蕾蕾;认知无线网络多因素入网决策方法研究[D];西安电子科技大学;2015年

5 任明晖;面向企业战略制定的鲁棒决策方法研究[D];合肥工业大学;2013年

6 孙晓东;基于灰色关联分析的几种决策方法及其应用[D];青岛大学;2006年

7 徐明明;山区公路边坡处治方案优化决策方法研究[D];重庆交通大学;2014年

8 王佳跃;基于模糊理论的设备多目标维护决策方法[D];上海交通大学;2011年

9 赵良松;飞机总体方案决策方法研究[D];西北工业大学;2005年

10 王敏赛;面向冲突消解的多属性多阶段复杂大群体决策方法研究[D];中南大学;2013年

，

本文编号：1405909