文献类型：期刊文章

作　　者：徐引玲[1]

机构地区：[1]西安财经学院数学系,西安710061

出　　处：《计算机工程》

基　　金：西安统计研究院基金资助重点项目(09JD07)

年　　份：2010

卷　　号：36

期　　号：19

起止页码：195-197

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、IC、INSPEC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：为提高支持向量域分类器(SVDC)的分类精度和鲁棒性,提出基于K近邻(KNN)和支持向量域描述(SVDD)的分类器KNN-SVDD(KSVDD)。该分类器对单类内部的样本采用SVDD的判别准则,对类交叉区域及描述边界外的样本采用KNN的判别准则。通过拒绝描述边界外的样本,KSVDD可应用于拒识判别。UCI数据集上的数值实验表明,KSVDD分类精度与支持向量机(SVM)相当且均比SVDC高,训练时间比SVM短,鲁棒性强,在拒识判别中有良好表现。

关 键 词：支持向量域分类器  K近邻 支持向量域描述 拒识判别  鲁棒性

分 类 号：TP311]