中国学术期刊网络出版总库
  关闭
动态SVDD算法及其应用  
   推荐 CAJ下载 PDF下载
【英文篇名】 Dynamic SVDD Algorithm and its Application
【下载频次】 ★★★★★
【作者】 彭敏晶; 肖健华;
【英文作者】 PENG Min-jing1; 2 XIAO Jian-hua1 (Systems Science and Technology Institute; Wuyi University; Jiangmen 529020; China)1(School of Business Administration; South China University of Technology; Guangzhou 510641; China)2;
【作者单位】 五邑大学系统科学与技术研究所; 华南理工大学工商管理学院;
【文献出处】 计算机科学 , Computer Science, 编辑部邮箱 2009年 03期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 SVDD; 边界; 支持向量; 核方法; 优化规模;
【英文关键词】 SVDD; Boundary; Support vector; Kernel methods; Optimization scale;
【摘要】 针对当前SVDD算法由于过大的优化规模导致检测计算时间过长的问题,提出了动态SVDD算法。通过分析在进行检测工作时新加入检测对象对正域边界的影响,提出:采用核方法形成的边界可近似替代折线所形成的边界。这样,加入新检测对象后,新的边界就只与新的样本点和之前的边界有关,从而可以大大减小优化规模,提高检测的效率。
【英文摘要】 In order to solve the problem of long computation time in detecting caused by over-large optimization scale in SVDD,a dynamic support vector data description was proposed.After analyzing a new object’s influence on positive border,it was suggested that the boundary formed by kernel methods could be approximately replaced by boundary formed by polygonal lines.Thus,after adding new objects,the corresponding new boundary was only related with new objects and previous boundary,which means the optimization scale...
【基金】 中国博士后科学基金资助项目(2005038042); 广东省科技计划项目(2006B12701002)资助
【更新日期】 2009-04-22
【分类号】 TP301.6
【正文快照】 Tax等人提出的支持向量数据描述算法(Support Vector Data Description,SVDD)[1],已广泛应用于机械故障检测[2]、预警[3]、入侵检测[4]和人脸识别[5]中。然而,当数据量大时,对每个新加入的检测对象都要把之前的对象和新的对象作为计算数据集,重新进行二次优化计算,优化规模过大

xxx
【读者推荐文章】中国期刊全文数据库 中国博士学位论文全文数据库 中国优秀硕士学位论文全文数据库 中国重要会议论文全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   计算技术、计算机技术
    一般性问题
     理论、方法
      算法理论
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号