學習筆記，僅供參考，有錯必糾

關鍵詞：離群點檢測；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檢測的核心方法，它試圖將一類數據與一個球體擬合，并使用少量的目標對象來支持其決策邊界。問題是，即使使用靈活的高斯核函數，SVDD有時也會產生一個松散的決策邊界，使判別能力變得很差。因此，經常需要一個計算密集的過程，該過程稱為核白化，可提高性能。

在本文中，我們提出了一種簡單的后處理方法，試圖修改SVDD邊界，以實現一個緊密的數據描述，而不需要核白化。該方法通過推導輸入空間中目標與其最近邊界點之間的距離，可以有效地在SVDD邊界的基礎上構造新的決策邊界。

通過合成數據和真實數據集證明了該方法的改進。結果表明，所提出的決策邊界能夠較好地擬合合成數據分布的形狀，并在真實數據集上獲得更好的分類性能

Introduction

離群點檢測或新異點檢測是檢測與數據集主體不相似的目標。在欺詐檢測、網絡入侵檢測等領域中，離群點檢測是一項非常關鍵的任務，因為離群點通常表示對系統[1]完整性的威脅。并且由于給定系統中的

創作挑戰賽新人創作獎勵來咯，堅持創作打卡瓜分現金大獎

總結

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的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。