单类支持向量机

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。

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。

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。

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。

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.

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。

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。

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。

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。

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.

摘要： 提出了一种面向大规模数据集的单类支持向量机(OCSVM)方法.该方法基于k近邻思想得到表征数据集合分布特征的集合内点,并依此生成集合边缘点,而后由二者重新组成数据集合,用于OCSVM训练.该新建数据集不仅极大压缩了原有大规模数据集的样本数量,还可以保留原有大规模数据集的分布特征,从而有效解决了OCSVM在处理大规模数据集时所存在的训练时间长、模型复杂以及预测效率低等问题.最后,通过在典型数据集合上进行的对比实验,表明了所提方法的有效性.

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.

摘要： 本发明公开了一种基于单类支持向量机的多位SDC脆弱指令识别方法，包括：构建多位SDC脆弱指令识别模型训练样本数据集；构建表征数据在程序中传播的指令数据传播特征；计算目标指令的多位屏蔽概率；生成基于数据变量的与程序数据流相关的指令集合，并构建指令的屏蔽特征；构建传播性特征向量；构建固有性特征向量；基于单类支持向量机训练多位SDC脆弱指令识别模型；提取目标程序的指令特征，利用多位SDC脆弱指令识别模型对目标程序多位SDC脆弱指令进行识别。本发明方法分类准确率高，召回率高，f‑score也较高，可以有效应用于单粒子效应造成的嵌入式系统中数据单位或多位翻转后导致的程序中多位SDC脆弱指令的识别。

摘要： 本发明属于煤矿瓦斯安全邻域，具体涉及一种基于单类支持向量机的煤矿瓦斯数据标记方法，包括：实时获取原始数据集，将原始数据集进行分类，得到二分类不平衡数据集；采用K‑means聚类算法对二分类不平衡数据集进行处理，得到k个样本池；每个样本池包括一个未打标的样本池和一个打标的样本池；将k个样本池中的数据分别输入到单类支持向量机模型中，预测k个未打标样本池中的打标标签；根据预测的打标标签对原始数据进行打标；本发明在对煤矿瓦斯数据进行标记时采用单类支持向量机主动学习，减少了煤矿瓦斯数据的标记样本；本发明在进行主动学习过程中加入密度以及分布信息，使得挑选的样本更具有代表性。

摘要： 本发明是一种采用HS变换和单类支持向量机的高压断路器机械状态监测方法，其特点是，包括高压断路器振动信号采集、将振动信号利用HS变换进行处理、振动信号特征提取和单类支持向量机判断断路器机械状态是否正常等步骤。与以往的高压断路器机械状态监测方法相比，本方法中使用的HS变换方法具有较高的抗噪性和鲁棒性，而且相对容易在实际工程环境下实现。采用单类支持向量机方法判断高压断路器机械状态是否正常，不依赖各种故障样本信号，只用一类正常振动信号样本即可完成分类器的训练，具有科学合理，实用性强，推广应用价值较高等优点。

摘要： 本发明公开了一种基于单类支持向量机的多位SDC脆弱指令识别方法，包括：构建多位SDC脆弱指令识别模型训练样本数据集；构建表征数据在程序中传播的指令数据传播特征；计算目标指令的多位屏蔽概率；生成基于数据变量的与程序数据流相关的指令集合，并构建指令的屏蔽特征；构建传播性特征向量；构建固有性特征向量；基于单类支持向量机训练多位SDC脆弱指令识别模型；提取目标程序的指令特征，利用多位SDC脆弱指令识别模型对目标程序多位SDC脆弱指令进行识别。本发明方法分类准确率高，召回率高，f‑score也较高，可以有效应用于单粒子效应造成的嵌入式系统中数据单位或多位翻转后导致的程序中多位SDC脆弱指令的识别。

摘要： 本发明属于煤矿瓦斯安全邻域，具体涉及一种基于单类支持向量机的煤矿瓦斯数据标记方法，包括：实时获取原始数据集，将原始数据集进行分类，得到二分类不平衡数据集；采用K‑means聚类算法对二分类不平衡数据集进行处理，得到k个样本池；每个样本池包括一个未打标的样本池和一个打标的样本池；将k个样本池中的数据分别输入到单类支持向量机模型中，预测k个未打标样本池中的打标标签；根据预测的打标标签对原始数据进行打标；本发明在对煤矿瓦斯数据进行标记时采用单类支持向量机主动学习，减少了煤矿瓦斯数据的标记样本；本发明在进行主动学习过程中加入密度以及分布信息，使得挑选的样本更具有代表性。

摘要： 一种基于单类支持向量机网络化多轴运动控制系统正弦攻击检测方法，所述方法包括以下步骤：1)数据预处理阶段，采用快速傅里叶变换处理正常历史数据，将数据的时域信息转化为频域信息；将采样数据做傅里叶变换后减去历史数据傅里叶变换后的均值得到偏差；取该偏差绝对值的均值和方差后再取其对数；2)模型训练阶段，对上述均值和方差训练模型，分类器选择单类支持向量机，对正样本建立模型；3)入侵检测阶段，对采样数据进行处理后，使用上述模型进行分类从而实现攻击检测。本发明有效检测正弦攻击检测。

摘要： 本发明涉及电力系统设备故障检测技术，具体涉及基于单类支持向量机的GIS局部放电故障判别方法，包括以下步骤：基于若干周期K种不同故障类型局部放电的PRPD图谱作为K个样本数据，提取各故障类型局部放电的特征参数；采用步骤1提取的统计特征参数训练单类支持向量机，得到单类支持向量机最优参数和分类器模型；采用步骤2所得单类支持向量机分类器模型对待判别的局部放电信号进行局部放电故障判别。基于单类支持向量机的方法，可以构造二元识别问题的有效模型，能有效解决各类不同的局部放电故障判别问题。可在高维空间中对线性不易分的样本数据进行区分，得到更准确的GIS局部放电故障判别结果。

摘要： 本发明提出了一种基于样本边缘点内部点的单类支持向量机核参数优化方法，对目标类数据集样本进行归一化处理；根据每一个样本点与其近邻样本的几何关系，选择样本的边缘点与内部点；寻找每个边缘点与内部点在指定样本集中的最近邻与最远邻；根据样本的空间分布情况，确定核参数的备选集合；以核参数备选集合中的每一个参数值，构造对应的高斯核函数；计算核参数合适程度指标，将合适程度指标最大值所对应的参数值作为最优核参数值。本发明能够实现单类支持向量机核参数的自动优化，优化过程不需要训练单类支持向量机，优化所得参数使单类支持向量机分类准确率高，本发明在故障检测、新异点检测领域有广阔的应用前景。

摘要： 为了解决现有技术中无法通过训练样本进行学习及检测结果不够准确的问题，本发明提供一种利用单类支持向量机检测河流目标的方法，提取遥感图像中的光谱特征后经过粗筛选过程，基于光谱特征，提取河流候选区域，再利用光谱值生成的特征向量对单类支持向量机进行训练。针对粗筛选过程的结果再进行精细检测，以便对河流候选区域进行图像分割，生成形状特征，最后根据形状指数阈值，实现目标检测。本发明使用单类支持向量机方法仅需要一类训练样本，提高检测效率；同时通过粗筛选和精细检测两个环节提高了检测的准确度。

摘要： 基于单类支持向量机的车辆碰撞预警系统，摄像头与图像处理器连接，图像处理器与微处理器连接，摄像头用于获取车辆行驶的道路表面信息及行驶路段车流量信息，图像处理器用于对道路表面信息及车流量信息进行处理；车速感应器与微处理器连接，车速感应器用于获取车辆行驶的速度信息；方向盘感应器与微处理器连接，方向盘感应器用于获取车辆行驶过程方向盘操纵方式信息；卫星定位器用于获取判断道路等级的位置信息；存储模块用于存储车辆信息和车辆司机信息；司机信息识别装置与存储模块连接，司机信息识别装置用于获取包括司机性别和年龄的车辆司机信息。实现对车辆和司机做出相应的预测和预警提醒，从而减少车辆碰撞带来的损失。