本文選題：支持向量數(shù)據(jù)描述 + 離群點��； 參考：《電子測量與儀器學(xué)報》2016年11期

【摘要】：離群點檢測已在許多領(lǐng)域得到了廣泛的應(yīng)用,支持向量數(shù)據(jù)描述(SVDD)是一種流行的離群點檢測方法,但其訓(xùn)練階段需要二次規(guī)劃求解,以及決策階段計算與支持向量數(shù)量呈線性關(guān)系等導(dǎo)致該方法具有較高時間復(fù)雜度。本文提出了一種快速SVDD離群點檢測方法,首先在訓(xùn)練階段利用訓(xùn)練集約簡和二階逼近的序列最小優(yōu)化(SMO)算法降低訓(xùn)練時間,然后在決策階段通過分析決策函數(shù)表達(dá)式,利用獲取超球球心原像的方式降低決策時間,使得該方法的時間復(fù)雜度顯著降低。利用標(biāo)準(zhǔn)的公用數(shù)據(jù)集驗證提出的方法,結(jié)果表明該方法的時間復(fù)雜度明顯優(yōu)于傳統(tǒng)的方法。
[Abstract]:Outlier detection has been widely used in many fields. Support vector data description (SVDDD) is a popular outlier detection method.The method has high time complexity due to the linear relationship between the calculation of decision stage and the number of support vectors.In this paper, a fast SVDD outlier detection method is proposed. Firstly, the training time is reduced by using the training set reduction algorithm and the second order approximation algorithm, and then the expression of the decision function is analyzed in the decision-making stage.The time complexity of the method is significantly reduced because of the reduction of the decision time by obtaining the hypersphere centroid image.The proposed method is validated with standard common data sets. The results show that the time complexity of the proposed method is obviously better than that of the traditional method.
【作者單位】： 上海大學(xué)機(jī)電工程與自動化學(xué)院;湖北師范大學(xué)機(jī)電與控制工程學(xué)院;
【分類號】：TP301.6

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 薛安榮;姚林;鞠時光;陳偉鶴;馬漢達(dá);;離群點挖掘方法綜述[J];計算機(jī)科學(xué);2008年11期

2 李存華;;l_∞度量意義下的離群點檢測[J];淮海工學(xué)院學(xué)報(自然科學(xué)版);2008年02期

3 封海岳;薛安榮;;基于重疊模塊度的社區(qū)離群點檢測[J];計算機(jī)應(yīng)用與軟件;2013年05期

4 王柏鈞,王力勤;《穩(wěn)健回歸與離群點檢測》介紹[J];成都?xì)庀髮W(xué)院學(xué)報;1989年04期

5 黃添強(qiáng);秦小麟;葉飛躍;;基于方形鄰域的離群點查找新方法[J];控制與決策;2006年05期

6 熊君麗;;高維空間下基于密度的離群點探測算法實現(xiàn)[J];現(xiàn)代電子技術(shù);2006年15期

7 黃添強(qiáng);秦小麟;王欽敏;;空間離群點的模型與跳躍取樣查找算法[J];中國圖象圖形學(xué)報;2006年09期

8 陳光平;葉東毅;;一種改進(jìn)的離群點檢測方法[J];福州大學(xué)學(xué)報(自然科學(xué)版);2007年03期

9 薛安榮;鞠時光;;基于空間約束的離群點挖掘[J];計算機(jī)科學(xué);2007年06期

10 徐翔;劉建偉;羅雄麟;;離群點挖掘研究[J];計算機(jī)應(yīng)用研究;2009年01期

相關(guān)會議論文 前9條

1 張鋒;常會友;;茫然第三方支持的隱私保持離群點探測協(xié)議[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

2 連鳳娜;吳錦林;薛永生;;一種改進(jìn)的基于距離的離群挖掘算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

3 梁雪琴;劉紅生;代秀梅;周亞芬;;聚類離群點挖掘技術(shù)在內(nèi)部審計信息化中的應(yīng)用——一個來自商業(yè)銀行信用卡審計的實例[A];全國內(nèi)部審計理論研討優(yōu)秀論文集(2013)[C];2014年

4 于浩;王斌;肖剛;楊曉春;;基于距離的不確定離群點檢測[A];第26屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（A輯）[C];2009年

5 許龍飛;熊君麗;段敏;;基于粗糙集的高維空間離群點發(fā)現(xiàn)算法研究[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2003年

6 劉文遠(yuǎn);李振平;王寶文;裴繼輝;;一種多維數(shù)據(jù)的離群點檢測算法[A];2007年全國第十一屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)會議論文集[C];2007年

7 魏藜;錢衛(wèi)寧;周傲英;;HOT:尋找高維空間中的離群點[A];第十八屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2001年

8 周紅福;錢衛(wèi)寧;魏藜;周傲英;;EDOLOIS:高效準(zhǔn)確的子空間局部離群點發(fā)現(xiàn)[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2003年

9 魏藜;錢衛(wèi)寧;周傲英;;SLOT:基于估計的高效子空間局部離群點發(fā)現(xiàn)[A];第十九屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2002年

相關(guān)博士學(xué)位論文 前10條

1 楊鵬;離群檢測及其優(yōu)化算法研究[D];重慶大學(xué);2010年

2 林海;離群檢測及離群釋義空間查找算法研究[D];重慶大學(xué);2012年

3 薛安榮;空間離群點挖掘技術(shù)的研究[D];江蘇大學(xué);2008年

4 楊茂林;離群檢測算法研究[D];華中科技大學(xué);2012年

5 雷大江;離群檢測與離群釋義算法研究[D];重慶大學(xué);2012年

6 萬家強(qiáng);基于連通性的離群檢測與聚類研究[D];重慶大學(xué);2014年

7 唐向紅;數(shù)據(jù)流離群點檢測研究[D];華中科技大學(xué);2010年

8 劉靖;復(fù)雜數(shù)據(jù)類型的離群檢測方法研究[D];華南理工大學(xué);2014年

9 湯俊;基于可疑金融交易識別的離群模式挖掘研究[D];武漢理工大學(xué);2007年

10 蘇亮;數(shù)據(jù)流分析關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 韓紅霞;基于距離離群點的分析與研究[D];江蘇大學(xué);2007年

2 黃馨玉;基于鄰域重心變化的離群點檢測算法研究[D];遼寧大學(xué);2015年

3 程百球;基于EP模式的離群點發(fā)現(xiàn)[D];安慶師范學(xué)院;2015年

4 秦浩;基于密度的局部離群點挖掘及在入侵檢測中應(yīng)用研究[D];大連海事大學(xué);2016年

5 張友強(qiáng);基于選擇性集成學(xué)習(xí)的離群點檢測研究[D];青島科技大學(xué);2016年

6 連鳳娜;離群點挖掘及其內(nèi)涵知識發(fā)現(xiàn)研究[D];廈門大學(xué);2008年

7 姚林;離群點快速挖掘算法的研究[D];江蘇大學(xué);2008年

8 夏勇;聚類分析和離群點識別技術(shù)研究及其應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 馬良齋;基于屬性權(quán)重的局部離群點挖掘算法研究[D];蘭州大學(xué);2010年

10 王雪英;離群點預(yù)處理及檢測算法研究[D];西南交通大學(xué);2009年

，

本文編號：1746691