基于聚簇的支持向量数据描述改进算法

摘要

本发明提供一种基于聚簇的支持向量数据描述改进算法，首先利用核函数计算训练样本在核空间中相互之间的距离，接着通过所得的结果计算训练样本的聚簇中心样本并通过每个样本到聚簇中心的距离计算样本权重，然后设计一种加权的支持向量数据描述方法得到所需的超球体作为决策边界，之后对测试样本进行判别，若测试样本位于超球体之内则判为目标类样本，反之则判为异常类样本。相较于传统的支持向量数据描述算法，本发明的基于聚簇的支持向量数据描述改进算法通过该权重因子引入了基于样本分布信息的簇中心算法，根据样本到簇中心的距离计算得到权重因子，实现了对原始支持向量数据描述方法决策边界优化的改进，能够有效地对单类的数据集有更加准确的数据分类描述。