%0 Journal Article %A 杨金鸿 %A 邓廷权 %T 一种基于单簇核PCM的SVDD离群点检测方法 %D 2017 %R 10.3969/j.issn.0372-2112.2017.04.007 %J 电子学报 %P 813-819 %V 45 %N 4 %X

针对支持向量数据描述(Support Vector Data Description,SVDD)的训练集中同时含有正常点和离群点的问题,为降低离群点对SVDD训练模型的不利影响,提出了一种基于单簇核可能性C-均值的SVDD离群点检测算法.本文算法通过单簇核聚类获得每个样本属于正常类的隶属度,将其作为每个样本属于目标类的置信度.将样本置信度引入到SVDD训练模型中,减弱低置信度样本在建立决策边界中的作用.实验表明,与已有的相关方法相比,本文方法能够显著改善SVDD的离群点检测效果.

%U https://www.ejournal.org.cn/CN/10.3969/j.issn.0372-2112.2017.04.007