SVDD(Support Vector Domain Description) 支持向量数据域描述（2）

已于 2023-07-27 11:05:28 修改
阅读量1.7w 收藏 61
点赞数 10
分类专栏： 数据挖掘和机器学习 文章标签： 算法
于 2017-03-22 15:34:52 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_22641333/article/details/64919161
版权

这篇文章主要介绍高斯核函数的一些性质和基于高斯核函数的SVDD方法

一、高斯核函数的一些性质

1. 高斯核对饮的映射空间是无限维空间
在上一篇博客中，我们用无穷级数已经说明过这一点，所以这里我们就不再重复了。

2.高斯核函数对应的高维空间中，每一个向量的模长一定是1
这个我们可以用高斯核函数本身的性质来进行求解
∣ ∣ ϕ ( x ⃗ ) ∣ ∣ 2 = ϕ ( x ⃗ ) ⋅ ϕ ( x ⃗ ) = K ( x ⃗ , x ⃗ ) = e 0 = 1 ||\phi(\vec{x})||^2=\phi(\vec{x})\cdot\phi(\vec{x})=K(\vec{x},\vec{x})=e^0=1 ∣∣ϕ(x )∣∣2=ϕ(x )⋅ϕ(x )=K(x

最低0.47元/天 解锁文章
大咸皮蛋
关注
专栏目录
SVDD(Support Vector Domain Description) 支持向量数据域描述（1）
大炮车间
03-21 1万+
在学习SVDD的相关知识的时候，发现网上关于SVDD的中文资料不是很多，所以想和大家一下自己学习SVDD的学习历程。鉴于本人知识水平，文中写的可能有错漏，希望大家可以指出互相学习。1. SVM 支持向量机在写SVDD之前，需要有SVM的相关基础，因为SVDD和SVM在公式推导上是很相像的。 SVM的核心是找一个有着最大间距的超平面实现二分类 目标函数是： 如果碰到了线性不可分怎么办？
One Class SVM, SVDD（Support Vector Domain Description）
热门推荐
Kenney Qin 的专栏
10-29 2万+
今天给大家介绍一下one class classification以及用SVDD（）
『ML笔记』Support Vector Domain Description(SVDD)支持向量数据域描述
AI新视界
03-15 2826
想要深度理解可以参考这个论文链接 一、算法背景： 图片：算法描述 后来人们提出了一种想法，我在数据集上，画一个圆（超球体），使得这个圆尽可能小，但是又尽可能囊括多的数据点。 这就是典型的矛盾目标优化问题。因为圆尽可能小，就包的数据点就有可能会减少。同样想要包更多的点就需要一个更大的圆。那么针对这种问题，我们一般给出自己衡量目标的指标，然后写个目标函数优化就好了嗯。（PS：大部分算法的结果就在...
支持向量数据描述算法（svdd）
03-16
SVDD（（Support Vector Data Description）即支持向量数据描述，其基本思想是通过在映射到高维的特征空间中找出一个包围目标样本点的超球体，并通过最小化该超球体所包围的体积让目标样本点尽 能地被包围在超球体中，而非目标样本点尽可能地排除在超球体中，从而达到两类之间划分的目的。该方法目标是求出能够包含正常数据样本的最小超球体的中心a和半径R。
深度支持向量数据描述（Deep SVDD）PyTorch实现指南
最新发布
gitblog_09057的博客
09-13 436
深度支持向量数据描述（Deep SVDD）PyTorch实现指南 Deep-SVDD-PyTorch A PyTorch implementation of the Deep SVDD anomaly detection method ...
支持向量数据描述（SVDD）
Compile666的博客
04-09 4830
前言 支持向量数据描述（Support Vector Data Description，SVDD）是一种单值分类算法，能够实现目标样本和非目标样本的区分，通常应用于异常检测和故障检测等领域。SVDD算法的具体描述可以参考以下文献： （1）Tax D M J, Duin R P W. Support vector domain description[J]. Pattern recognition letters, 1999, 20(11-13): 1191-1199. （2）Tax D M J, Duin
支持向量数据描述系列＜1＞
zhangshixing1994的博客
01-05 452
#1.目的 #2.困难 #3.解决方案 #4.效果
异常检测-支持向量域描述算法及代码实现（Support Vector Domain Description）
baidu_17611285的博客
04-22 2401
以下是代码部分：clc; clear all; close all; %% 训练样本 % load('Iris.mat'); % Iris数据集每个数据由4维组成，一共3类，1:50,51:100,101:150，一行一个样本 % data = Iris(1:100,1:2); % 本次只取前2维的数据,以及2类进行分析 load('fn.mat'); % TrainX=PIread...
位置正则的支持向量域描述在人脸识别中的应用研究.pdf
09-23
支持向量域描述（Support Vector Domain Description, SVDD）是一种一分类学习算法。传统的SVM是二分类模型，用于区分两个不同的类别，而SVDD则致力于构建一个最小的超球体，将同一类别的样本包含在这个超球体内，...
支持向量数据描述Support Vector Data Description (SVDD)
03-31
主要功能： 1、支持单值分类和二值分类的超球体构建 2、支持多种核函数 (linear, gaussian, polynomial, sigmoid, laplacian) 3、支持 2D 或 3D 数据的决策边界可视化 4、支持基于贝叶斯超参数优化、遗传算法和粒子群算法的 SVDD 的参数优化 5、支持加权的 SVDD 资源使用事项： 1、提供了多个示例文件，每个文件的开头都有对应的介绍 2、需要 R2016b 以上的 MATLAB 版本 3、内含详细的使用说明 4、主要用于单类(One-class)分类问题得的研究。对于单分类任务。不是分类问题以“区分不同的类”为目标，也不是回归问题以“对每一个样本产生一个期望输出”为目标，而是给出一个关于训练样本集的描述，同时检测哪些与这个训练样本集相似的(新的)样本。该描述应该覆盖代表训练样本集的样本类，同时，在理想情况下，该描述应该能够将样本空间中其它所有可能的异常样本排除在外。
支持向量数据描述＜二＞
zhangshixing1994的博客
01-05 292
本文是基于张永博士的基于改进的 PCM 支持向量描述多类分类器。 在上一节中，我们看到了标准SVDD的训练方法。对于分类问题，经典的作法经常是对每一类样本，分别训练一个SVDD。对于新的待测样本，如果它落入且仅落入一个SVDD的范围内，则将它预测为该SVDD的类别，如果样本落入重叠区域，则计算样本到每个SVDD球心的距离，将其预测为与之距离最近的SVDD的类别。 经典算法，每一个样本在构造最优超球体时具有同样的地位。若训练数据中含有噪声点，则会影响SVDD的结果。所以PCM-SVDD的思路就是通过PCM计算
支持向量数据描述 (SVDD) 的 MATLAB 实现（异常检测/故障检测）
10-16
支持向量数据描述 (Support Vector Data Description, SVDD) 语言：MATLAB 版本：V2.1 ----------------------------------------------------- 创作不易，欢迎各位5星好评~~~ 如有疑问或建议，请发邮件至：iqiukp@outlook.com 可提供关于该算法/代码的付费咨询和有偿编写 ----------------------------------------------------- 主要特点 1. 支持单值分类和二值分类的超球体构建 2. 支持多种核函数 (linear, gaussian, polynomial, sigmoid, laplacian) 3. 支持 2D 或 3D 数据的决策边界可视化 4. 支持基于贝叶斯超参数优化、遗传算法和粒子群算法的SVDD的参数优化 5. 支持加权的 SVDD ----------------------------------------------------- 注意 1. SVDD V2.1 仅支持 R2016b 以上的 MATLAB 版本 2. 正样本和负样本对应的标签分别为 1 和 -1 3. 提供了多个示例文件，每个文件的开头都有对应的介绍 4. 此代码仅供参考 5. 可以阅读“SVDD-V2.1使用说明.pdf”文件了解更多用法
支持向量数据描述的matlab程序
12-13
支持向量数据描述，单类分类器，在支持向量机的基础上发展而来。
svdd工具箱
01-08
SVDD的工具箱，对一类分类效果非常好。包括圆形和不规则形状的包络面。
新型SVDD算法d-svdd
04-03
d-svdd是一种新型SVDD算法，可实现分类间隔最大化。
SVDD-Python-V1.0 python代码
04-01
支持向量数据描述 (Support Vector Data Description, SVDD) 语言：Python 版本：V1.0 ----------------------------------------------------- 主要功能为： 1. 包含正样本的SVDD超球体构建 (SVDD) 2. 支持包含负样本的 SVDD 超球体构建 (nSVDD) 3. 添加了包含绘制 ROC 曲线、决策边界等功能的可视化模块 4. 支持多种核函数
论文笔记：Support vector domain description(Tax,Duin1999)
chenxy_bwave的专栏
10-22 1416
论文阅读笔记：David M.J. Tax, Robert P.W. Duin, Support vector domain description, PRL1999
异常检测 | SVDD支持向量数据描述异常数据检测（Matlab）
关注并私信文章链接，获取对应文章源码和数据，机器学习之心的博客。
04-20 613
异常检测 | SVDD支持向量数据描述异常数据检测（Matlab）
快速聚类支持向量法提升数据描述准确性
本文主要探讨了一种基于快速聚类分析的支持向量数据描述（Support Vector Data Description, SVDD）算法，针对实际数据集中常见的噪声问题对数据描述建模的负面影响。传统的SVDD方法可能受到噪声干扰，导致模型精度...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值