密度诱导型数据描述单类分类机

&lt;html dir="ltr"&gt;&lt;head&gt;&lt;title&gt;&lt;/title&gt;&lt;/head&gt;&lt;body&gt;为改进基于数据描述的单类分类机识别率, 将样本分布密度加入分类机的设计中, 提出采用密度诱导型数<br>据描述单类分类机(DISVDD). 以支撑向量域描述(SVDD) 算法为基础, 通过一种简易的形式引入数据密度因子, 使<br>高密度区数据对分类支撑域的作用被强化, 而低密度区数据的作用被削弱, 结果使分类超球体因靠近高密区而提高<br>其识别性能, 而且不增加计算复杂度. 在构造样本值与真实数据集上的实验结果表明, 所提出的算法对于不同类型的<br>数据均具有更好的推广性.&lt;/body&gt;&lt;/html&gt;