孤立点检测的一类支持向量机方法研究

摘要

孤立点是不具备数据一般特性的数据对象,One-Class支持向量机将数据点映射到高维空间,通过划分距离坐标原点最远间隔的超平面来发现孤立点.该学习算法在应用中误检率比较高,另外模型参数不易选择.由此,本文将无监督的One-Class支持向量机同监督学习方法相结合,提出了一种新的检测算法,利用ROC(受试者工作特征)分析作为评价依据,在限定范围内自动搜索最优参数,进而通过调节阈值获得孤立点检测决策函数.仿真实验结果表明,该算法简单有效,易于推广到实际应用中.