论文研究-生物信息学.基于少量异常数据的最大间隔新奇检测方法.pdf

传统的新奇检测算法往往仅利用占样本大多数的正常实例来构造分类器，少量的负类样本基本不能发挥作用。针对此问题，提出一种基于少量负类样本的最大间隔方法，其基本思想是：先构造一个超球面，让它包含尽可能多的正常实例，同时，球表面到正常实例之间的间隔越大越好，从而得到一个围绕正常实例的闭合而又紧贴异常实例的分类边界。建立这样的超球面，只需要解决一个凸的最优化问题，而这个最优化问题可以通过对传统支持向量机模型稍加改变来实现。在机器故障检测、医疗诊断、阿拉伯数字识别等数据集上进行了仿真实验，实验结果表明该方法能够有效地提高检测率，降低误报率；同时五倍交叉验证方法提高了检测的稳定性。