面向新异检测的启发式约减支持向量数据描述 上传者：非同寻常 2021-01-17 00:57:23上传 PDF文件 476.78KB 热度 6次 针对支持向量数据描述(SVDD) 单类分类方法运算复杂度高的缺点, 提出一种启发式约减支持向量数据描述(HR-SVDD) 方法. 以启发的方式从原有训练集中筛选出部分样本构成约减训练集, 对约减训练集进行二次规划解算, 得到支持向量和决策边界. 通过不同宽度系数高斯核SVDD特征的讨论, 证明了HR-SVDD 的有效性. 人工数据集和真实数据集上的实验结果表明, HR-SVDD 分类精度与传统支持向量数据描述相当, 但具有更快的运算速度和更小的内存占用. 下载地址 用户评论 更多下载 下载地址 立即下载 收藏 腾讯 微博 用户评论 发表评论 非同寻常 资源：445 粉丝：0 +关注 上传资源 免责说明 本站只是提供一个交换下载平台，下载的内容为本站的会员网络搜集上传分享交流使用,有完整的也有可能只有一分部,相关内容的使用请自行研究,主要是提供下载学习交流使用,一般不免费提供其它各种相关服务! 本站内容泄及的知识面非常广,请自行学习掌握,尽量自已动脑动手解决问题,实践是提高本领的途径,下载内容不代表本站的观点或立场!如本站不慎侵犯你的权益请联系我们,我们将马上处理撤下所有相关内容！联系邮箱：server@dude6.com
