单类支持向量机
单类支持向量机的相关文献在2005年到2022年内共计104篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文86篇、会议论文2篇、专利文献2721499篇;相关期刊65种,包括深圳信息职业技术学院学报、制冷学报、集成电路应用等;
相关会议2种,包括2006年全国振动工程及应用学术会议、2013年中国智能自动化会议等;单类支持向量机的相关文献由318位作者贡献,包括胡茑庆、胡雷、秦国军等。
单类支持向量机—发文量
专利文献>
论文:2721499篇
占比:100.00%
总计:2721587篇
单类支持向量机
-研究学者
- 胡茑庆
- 胡雷
- 秦国军
- 田学民
- 蔡国伟
- 黄南天
- 夏鲁瑞
- 尚文利
- 张书鑫
- 曾鹏
- 肖英超
- 赵剑明
- 邓晓刚
- 丁风海
- 乔枫
- 代劲
- 冯爱民
- 刘伟杰
- 刘海川
- 卢泓樾
- 夏伟
- 宋执环
- 寇卫利
- 庄毅
- 张奇瑞
- 张绍明
- 徐伟恒
- 徐文立
- 徐殿国
- 方立华
- 晏祖佳
- 李文杰
- 杨雪静
- 桂坡坡
- 狄光智
- 王国锋
- 王欢
- 王焕钢
- 王珉
- 程哲
- 肖志博
- 胡峰
- 葛志强
- 董微
- 蔡铁
- 袁伟中
- 赵捷
- 邱斌
- 郑伟宁
- 闫腾飞
-
-
祁祥洲;
邢红杰
-
-
摘要:
多核学习(MKL)方法在分类及回归任务中均取得了优于单核学习方法的性能,但传统的MKL方法均用于处理两类或多类分类问题。为了使MKL方法适用于处理单类分类(OCC)问题,提出了基于中心核对齐(CKA)的单类支持向量机(OCSVM)。首先利用CKA计算每个核矩阵的权重,然后将所得权重用作线性组合系数,进而将不同类型的核函数加以线性组合以构造组合核函数,最后将组合核函数引入到传统OCSVM中代替单个核函数。该方法既能避免核函数的选取问题,又能提高泛化性能和抗噪声能力。在20个UCI基准数据集上与其他五种相关方法进行了实验比较,结果表明该方法在13个数据集上的几何均值(g-mean)均高于其他对比方法,而传统的单核OCSVM仅在2个数据集上的效果较好,局部多核单类支持向量机(LMKOCSVM)和基于核目标对齐的多核单类支持向量机(KTAMKOCSVM)在5个数据集上的分类效果较好。因此,通过实验比较充分验证了所提方法的有效性。
-
-
周泽岩;
程鹏;
方付生;
路涛
-
-
摘要:
聚焦铁路牵引供电远动SCADA系统,分析其通信规约和网络安全风险点,研究基于单类支持向量机算法的异常攻击检测技术,以达到检测网络异常攻击的目的。本方法先分析正常的通信数据,选取报文序列中的时间戳、源地址、目的地址、源端口、目的端口等字段,构成训练样本序列集合,再对报文序列的数据预处理形成子序列特征数据库,最后采用Python语言、Sklearn机器学习库建立单类支持向量机的行为模型,并通过仿真数据测试,验证其可有效检测网络入侵等异常行为。
-
-
徐园;
梅勇;
龚俊;
孙梧雨
-
-
摘要:
为提高工控系统异常流量检测能力,设计一种结合孤立森林(isolation forest,iForest)和单类支持向量机(one-class support vector machine,OCSVM)的混合算法。采用孤立森林算法检测训练数据中的离群点,将离群点剔除以降低其对单类支持向量机决策函数的影响;基于正常数据训练单类支持向量机模型,结合特征选取和参数优化进一步提高异常检测模型的检测率。实验结果表明:在燃气管道数据集上,该算法模型的检测率提高至92.51%,特别是对异常行为的召回率和查准率上升,优化了异常检测模型的性能,满足可靠性要求。
-
-
武玉坤;
李伟;
倪敏雅;
许志骋
-
-
摘要:
大规模高维不平衡数据是异常检测中的重大挑战。单类支持向量机在处理不平衡数据方面非常有效,但不适合大规模高维数据,同时单类支持向量机的核函数对检测性能也具有重要的影响。文中提出了一个深度自编码器与单类支持向量机相结合的异常检测模型,深度自编码器不仅负责提取特征和降维,同时拟合出了一个自适应核函数。深度自编码器与单类支持向量机共享损失函数,实现了端到端的训练。作为一个整体,模型采用梯度下降法进行联合训练。在4个公开数据集上与其他异常检测方法进行了对比实验。实验结果表明,在AUC以及召回率(RECALL)方面,所提模型的性能优于单核和多核单类支持向量机以及其他模型,并且所提模型在不同异常率时是鲁棒的,在时间复杂度方面也具有非常大的优势。
-
-
刘雅秦;
叶宁;
徐康;
王汝传;
唐震
-
-
摘要:
跌倒是65岁及以上人群因伤害致死的第一位原因.结合受试者个体信息的个性化特征,提出一种基于Kinect三维骨架数据的步态特征提取方法,对老年人的跌倒风险进行评估和预测.将跌倒风险分为高跌倒风险和低跌倒风险两类,考虑数据采集的成本问题,采用新颖性检测模型在不平衡数据集下对特征数据进行训练和评估.实验结果表明,OC-SVM(one-class SVM)检测准确率达86.96%,F1-score为88.55%,能够有效地区分低跌倒风险受试者和高跌倒风险受试者.同时,证明了基于Kinect三维骨架数据预测老年人跌倒风险的潜力.
-
-
王文胜;
沈超
-
-
摘要:
面对财务预警领域数据不平衡特性,文章以配对样本为基础样本,进一步挖掘剩余正常企业蕴含的信息。运用单类支持向量机对剩余正常企业建立异常检测模型,输出配对样本的异常分数进行权重设置,并利用加权高斯过程分类对配对样本进行预测。实证研究表明,加权高斯过程分类风险企业识别率更高,整体识别率也更高。弥补目前只利用配对样本导致信息不足或过采样破坏数据结构等缺陷,进一步提高上市企业财务预警能力。
-
-
张子迎;
潘思辰;
王宇华
-
-
摘要:
针对工业控制系统数据非线性、高纬度和不平衡等难题,本文从提高工业控制系统入侵检测的准确性入手,结合单类支持向量机算法,提出一种单类支持向量机异常检测方法。该方法在核主成分分析过程中加入Fisher-Score算法,实现了对数据集的特征提取,降低了后续单类支持向量机入侵检测模型训练和识别的复杂度;同时加入免疫克隆选择和协同进化等策略,采用分层协同免疫粒子群参数优化算法对单类支持向量机参数进行寻优,增强算法的综合性能,解决了基本粒子群算法在单类支持向量机参数寻优过程中存在的易陷入早熟收敛和局部最小值等问题;最后构建了基于优化后的单类支持向量机算法的入侵检测模型,并进行对比实验验证。实验结果表明:优化后的检测模型在训练时间、学习泛化能力和检测性能上都有明显提升。
-
-
邓亮亮;
屈文忠;
白小平;
刘宾
-
-
摘要:
针对大型固体火箭发动机界面脱粘现场快速自动化无损检测的需求,提出了一种基于局部共振谱无监督深度学习算法的界面脱粘检测方法。局部激励固体发动机壳体外表面,压电智能条带采集局部共振谱响应信号,采用完好界面的响应信号训练卷积自编码器(CAE),提取界面状态特征参数并训练单类支持向量机(OCSVM),训练完成的CAE及OCSVM即可用于处理界面粘接状态未知的响应信号,判别界面脱粘状态。对某大型固体火箭发动机进行了现场检测试验,分别使用主成分分析(PCA)、t-分布随机邻域嵌入(t-SNE)与CAE对采集到的信号进行特征提取,通过OCSVM进行脱粘状态识别。结果表明,CAE结合OCSVM的方法对界面脱粘与界面虚粘的检测率均优于另外两种方法。文中所提方法只需使用完好界面的局部共振谱响应信号对CAE及OCSVM进行深度学习训练,不需要人工判别,为固体火箭发动机界面脱粘状态的现场快速自动化检测提供一种新的思路和方法。
-
-
张帅;
徐中伟;
陈琛;
梅萌
-
-
摘要:
为提高地铁道岔设备异常检测的准确率,提出了基于卷积自编码器与单类支持向量机的异常检测框架。以ZDJ9型交流电动转辙机为研究对象,使用现场运行过程中采集到的三相电流数据。首先,在数据预处理阶段,为保留原始数据的时频信息,本文利用短时傅里叶变换将原始一维时间序列数据转化为时频矩阵。同时,为综合利用多域信息,将每一相电流数据所对应的时频图堆叠,构成三维特征信息。然后,采用卷积自编码器对预处理后的图像数据进行进一步的降维与特征提取。最后,将提取出的特征输入到单类支持向量机进行异常检测模型训练。实验结果表明,相较于直接使用原始一维时间序列进行异常检测,结合时频与多域信息的模型具有更高的准确率以及F1-Score。
-
-
姚瑶;
李圣辰;
邵曦
-
-
摘要:
机器异常声检测是识别目标机器发出的声音是正常声音还是异常声音的任务,在机器生产中十分重要.而真实工厂中,实际的异常声音很少发生并且高度多样化,所以很难收集到详尽的异常声.针对训练集异常数据少的问题,本文提出了基于字典学习算法的无监督机器异常声检测系统,并通过单类支持向量机寻找异常点,可以在仅有正常声音样本作为训练数据的条件下有效检测未知的异常声音.在音频特征选择方面,我们选择了16个机械领域经典的传统特征(如方差、峭度等),并将音频分帧处理,以获取更多的音频特征信息.与DCASE2020 Challenge Task2中运用对数Mel谱作为特征,自编码器作为训练分类器的基线系统进行对比,我们的系统对部分机器的识别效果得到了显著提升.
-
-
-
胡雷;
胡茑庆;
谢光军
- 《2006年全国振动工程及应用学术会议》
| 2006年
-
摘要:
为了在缺乏故障样本的情况下检测某型液体火箭发动机涡轮泵的故障,实现基于不完整信息的状态决策,本文使用支持向量数据描述方法,建立了基于高斯核单类支持向量机的涡轮泵新异类状态检测模型.该模型无需故障数据参与训练便可以进行故障检测工作,且通过调节单类支持向量机的高斯参数,可以实现不同的检测效果.通过对某型液体火箭发动机历史试车数据的分析,结果表明,选择类内最大距离作为高斯参数,可以使得新异类检测模型具有适当的紧致性,达到对涡轮泵正常状态和故障状态的良好分类效果.