學(xué)習(xí)筆記，僅供參考，有錯(cuò)必糾

關(guān)鍵詞：離群點(diǎn)檢測(cè)；支持向量域描述

---

A boundary method for outlier detection based on support vector domain description

摘要

支持向量域描述(SVDD)是一種流行的離群點(diǎn)檢測(cè)的核心方法，它試圖將一類數(shù)據(jù)與一個(gè)球體擬合，并使用少量的目標(biāo)對(duì)象來(lái)支持其決策邊界。問(wèn)題是，即使使用靈活的高斯核函數(shù)，SVDD有時(shí)也會(huì)產(chǎn)生一個(gè)松散的決策邊界，使判別能力變得很差。因此，經(jīng)常需要一個(gè)計(jì)算密集的過(guò)程，該過(guò)程稱為核白化，可提高性能。

在本文中，我們提出了一種簡(jiǎn)單的后處理方法，試圖修改SVDD邊界，以實(shí)現(xiàn)一個(gè)緊密的數(shù)據(jù)描述，而不需要核白化。該方法通過(guò)推導(dǎo)輸入空間中目標(biāo)與其最近邊界點(diǎn)之間的距離，可以有效地在SVDD邊界的基礎(chǔ)上構(gòu)造新的決策邊界。

通過(guò)合成數(shù)據(jù)和真實(shí)數(shù)據(jù)集證明了該方法的改進(jìn)。結(jié)果表明，所提出的決策邊界能夠較好地?cái)M合合成數(shù)據(jù)分布的形狀，并在真實(shí)數(shù)據(jù)集上獲得更好的分類性能

Introduction

離群點(diǎn)檢測(cè)或新異點(diǎn)檢測(cè)是檢測(cè)與數(shù)據(jù)集主體不相似的目標(biāo)。在欺詐檢測(cè)、網(wǎng)絡(luò)入侵檢測(cè)等領(lǐng)域中，離群點(diǎn)檢測(cè)是一項(xiàng)非常關(guān)鍵的任務(wù)，因?yàn)?strong>離群點(diǎn)通常表示對(duì)系統(tǒng)[1]完整性的威脅。并且由于給定系統(tǒng)中的

創(chuàng)作挑戰(zhàn)賽新人創(chuàng)作獎(jiǎng)勵(lì)來(lái)咯，堅(jiān)持創(chuàng)作打卡瓜分現(xiàn)金大獎(jiǎng)

總結(jié)

以上是生活随笔為你收集整理的文献记录(part91)--A boundary method for outlier detection based on support vector domain description的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。