学习了DAVID MJ.TAX的论文support Vector Data Description,里面介绍了一种可以引入负样本进行训练的有监督的SVDD算法。
标准的SVDD模型:
subject to:
其中R为要求的最小包含球的半径,C为自定义常数,ξi为惩罚项,a为最小包含球的中心。可以看出标准的SVDD模型只考虑了一种样本的时候,是无监督的模型,在DAVID MJ.TAX的论文中引入了负样本将模型改进为:
min:
subject to:
学习了DAVID MJ.TAX的论文support Vector Data Description,里面介绍了一种可以引入负样本进行训练的有监督的SVDD算法。
标准的SVDD模型:
subject to:
其中R为要求的最小包含球的半径,C为自定义常数,ξi为惩罚项,a为最小包含球的中心。可以看出标准的SVDD模型只考虑了一种样本的时候,是无监督的模型,在DAVID MJ.TAX的论文中引入了负样本将模型改进为:
min:
subject to: